这个技能是用于开发和训练图神经网络（GNN）的Python库，基于PyTorch。它支持节点分类、图分类、链接预测、异构图处理、分子属性预测等应用，适用于社交网络分析、引用网络、3D几何数据等场景，是几何深度学习的强大工具。关键词：图神经网络、深度学习、PyTorch、GCN、GAT、GraphSAGE、节点分类、图分类、链接预测、分子属性预测、异构图。

scvi-tools 是一个用于单细胞分析的深度学习框架，提供多种模型如 scVI、scANVI、totalVI、PeakVI、MultiVI、DestVI、veloVI 和 sysVI，用于数据集成、批校正、多模态分析、参考映射、RNA 速度分析等。关键词：深度学习、单细胞分析、scvi-tools、数据集成、批校正、多模态分析、参考映射、RNA速度分析。

HuggingFace Accelerate 是一个用于简化分布式训练的Python库，只需添加四行代码即可为PyTorch脚本提供分布式支持，支持DeepSpeed、FSDP等多种后端，自动处理设备放置和混合精度训练，是HuggingFace生态系统中的标准工具，适用于快速原型开发和统一API。关键词：分布式训练、PyTorch、HuggingFace、加速器、DeepSpeed、FSDP、混合精度、AI训练、深度学习。

本技能专注于使用TensorFlow的tf.data API构建高效数据管道，用于优化深度学习训练性能。关键词包括TensorFlow、数据管道、tf.data、数据集创建、数据转换、批处理、打乱、预取、GPU/TPU优化、机器学习训练、数据增强、缓存策略。