Was macht pytorch-training-optimizer-skill?
Codex-Skill zur Optimierung des PyTorch-Trainingsdurchsatzes, der GPU-Auslastung, der Speichereffizienz und des verteilten Scalings.
Codex-Skill zur Optimierung des PyTorch-Trainingsdurchsatzes, der GPU-Auslastung, der Speichereffizienz und des verteilten Scalings.
Dieser Skill für Codex zielt darauf ab, PyTorch-Trainingsworkflows zu optimieren, indem er den Durchsatz maximiert, die GPU-Auslastung verbessert, den Speicherverbrauch reduziert und das verteilte Training skaliert. Er ist besonders nützlich für Entwickler und Forscher, die große Modelle trainieren und in Multi-GPU- oder Multi-Node-Umgebungen arbeiten. Der Skill basiert auf einer detaillierten SKILL.md-Dokumentation, die Techniken wie Mixed Precision Training (AMP), Gradientenakkumulation, optimierte DataLoader, effizientes Speichermanagement (z. B. Gradient Checkpointing) und verteilte Trainingsstrategien (DDP/FSDP) abdeckt. Er unterstützt Codex als Plattform und bietet klare Anleitungen zur Identifikation von Engpässen sowie zur Implementierung von Optimierungen, um die Gesamteffizienz des Trainings zu steigern.
npx skills add XinbaoQiao/pytorch-training-optimizer-skillInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Codex-Skill zur Optimierung des PyTorch-Trainingsdurchsatzes, der GPU-Auslastung, der Speichereffizienz und des verteilten Scalings.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.