Run Train
Skill AktivVerwaltete Trainingsausführungskompetenz für Deep-Learning-Repositorys. Verwenden Sie diese Kompetenz, wenn ein dokumentierter oder ausgewählter Trainingsbefehl konservativ für die Starteinrichtungsüberprüfung, die Verifizierung kurzer Läufe, den vollständigen Start oder die Wiederaufnahme ausgeführt werden soll. Status, Checkpoints und Metriken werden in standardisierten `train_outputs/` erfasst. Nicht zur Umgebungsverwaltung, explorativen Sweeps, spekulativen Ideenimplementierung oder End-to-End-Orchestrierung verwenden.
Bereitstellung einer vertrauenswürdigen und prüfbaren Möglichkeit zur konservativen Ausführung von Deep-Learning-Trainingsbefehlen, um die Verifizierung und strukturierte Erfassung von Ergebnissen zu gewährleisten.
Funktionen
- Konservative Ausführung von Trainingsbefehlen
- Strukturierte Erfassung von Status, Checkpoints und Metriken
- Verarbeitung von Starteinrichtungsprüfungen, Prüfungen kurzer Läufe, vollständigen Starts und Wiederaufnahmen
- Ausgabe von Nachweisen in `train_outputs/`
- Fehler- und Timeout-Behandlung
Anwendungsfälle
- Überprüfung des Starts von Trainingsbefehlen in einem Forschungsrepository
- Ausführung von kurzzeitigen Trainingszwecken zur Verifizierung
- Initiierung oder Wiederaufnahme vollständiger Trainingsläufe mit überwachter Nachweisführung
- Erfassung strukturierter Protokolle und Checkpoints von Trainingsprozessen
Nicht-Ziele
- Umgebungsverwaltung oder Herunterladen von Assets
- Explorative Sweeps oder spekulative Ideenimplementierung
- End-to-End-Orchestrierung von Forschungszielen
- Autonome Auswahl von Trainingsbefehlen
Versionierung
- warning:Release-ManagementDas Skript selbst hat keine Versionsnummer, und die Installationsanweisungen des Repositorys beziehen sich hauptsächlich auf die Installation von main (`npx skills add ... --all` oder `... --skill ...`), was es schwierig macht, eine bestimmte Version dieses Skripts festzulegen.
Installation
npx skills add lllllllama/ai-paper-reproduction-skillFührt das Vercel skills CLI (skills.sh) via npx aus — benötigt Node.js lokal und mindestens einen installierten skills-kompatiblen Agent (Claude Code, Cursor, Codex, …). Setzt voraus, dass das Repo dem agentskills.io-Format folgt.
Qualitätspunktzahl
Vertrauenssignale
Ähnliche Erweiterungen
Azure Monitor Query Py
100Azure Monitor Query SDK for Python. Use for querying Log Analytics workspaces and Azure Monitor metrics. Triggers: "azure-monitor-query", "LogsQueryClient", "MetricsQueryClient", "Log Analytics", "Kusto queries", "Azure metrics".
Pytorch Lightning
99High-level PyTorch framework with Trainer class, automatic distributed training (DDP/FSDP/DeepSpeed), callbacks system, and minimal boilerplate. Scales from laptop to supercomputer with same code. Use when you want clean training loops with built-in best practices.
PyTorch Lightning
100Deep learning framework (PyTorch Lightning). Organize PyTorch code into LightningModules, configure Trainers for multi-GPU/TPU, implement data pipelines, callbacks, logging (W&B, TensorBoard), distributed training (DDP, FSDP, DeepSpeed), for scalable neural network training.
Monitor Data Integrity
100Design and operate a data integrity monitoring programme based on ALCOA+ principles. Covers detective controls, audit trail review schedules, anomaly detection patterns (off-hours activity, sequential modifications, bulk changes), metrics dashboards, investigation triggers, and escalation matrix definition. Use when establishing a data integrity monitoring programme for GxP systems, preparing for inspections where data integrity is a focus area, after a data integrity incident requiring enhanced monitoring, or when implementing MHRA, WHO, or PIC/S guidance.
Query Netdata Cloud
100Query Netdata Cloud via its REST API -- metrics, logs (systemd-journal / windows-events / otel-logs), topology graphs (topology:snmp), network flows (flows:netflow), alerts, dynamic configuration (DynCfg), and generic Functions on a node. Use when the user asks about querying Netdata Cloud, fetching metrics from the cloud, querying logs / topology / netflow / sflow / ipfix through Cloud, listing or modifying configurations via DynCfg, calling agent Functions through Cloud, listing spaces/rooms/nodes, or building a curl command against `app.netdata.cloud`. Pairs with the `query-netdata-agents` skill when direct-agent access is needed.
Meta Observer
100Track skill performance and emerging patterns