GratuitSkills
Commits, branches et synchronisation avec la CLI but
- 361361 téléchargements
- 198198 mentions J'aime
- 103103 sauvegardes
Compatible avec
- Claude Code
- Codex
- Cursor
- et 3 autres
Orchestrer l'entraînement distribué avec Ray Train v1.0.0
Utilisez cette ressource pour répartir un entraînement PyTorch sur plusieurs GPU ou nœuds et lancer des recherches d'hyperparamètres
Nouveau
- 403 téléchargements
- 153 mentions J'aime
- 228 sauvegardes
Gratuit
Installer avec la CLI
Dans un terminal, depuis le dossier voulu :
npx --yes palatekit@latest install ray-train-distributed-training-2Sans option, la skill va dans ~/.agents/skills/ ; ajoutez --agent claude-code (ou codex, cursor…) pour viser un agent.
Première fois : connectez la CLI avec
npx --yes palatekit@latest loginL'agent vous guide pour adapter votre code PyTorch à Ray Train, passer d'un à huit GPU puis à plusieurs nœuds, et lancer des recherches d'hyperparamètres avec Ray Tune. Vous obtenez le code d'entraînement et la configuration de l'échelle.
Choisie surtout par
Mise à jour le 2 novembre 2026
Aperçus
Caractéristiques
- Fonctionne dans
- Guides d'installation
- Génère avec
- Le modèle de votre agent
- Licence
- MIT
Ressources similaires
Tout voir- Gratuit
GratuitSkills
Guide de la CLI Sentry
- 525525 téléchargements
- 117117 mentions J'aime
- 128128 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Bonnes pratiques Drizzle ORM avec PostgreSQL
- 407407 téléchargements
- 194194 mentions J'aime
- 151151 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Assistant de conception de SLO
- 537537 téléchargements
- 105105 mentions J'aime
- 242242 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
User stories de sprint
- 451451 téléchargements
- 150150 mentions J'aime
- 132132 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Plan de sprint réaliste
- 423423 téléchargements
- 192192 mentions J'aime
- 102102 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Conseiller CTO de startup
- 580580 téléchargements
- 201201 mentions J'aime
- 242242 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
GratuitSkills
Création de pull requests GitHub avec contrôles qualité
- 427427 téléchargements
- 230230 mentions J'aime
- 196196 sauvegardes
Compatible avec- Claude Code
- Codex
- Cursor
- et 3 autres
Ce que vous obtenez
- SKILL.md : installation, fonction d'entraînement et lancement distribué
- references/multi-node.md : entraînement sur plusieurs nœuds
Pour qui
- Vous voulez passer votre script à plusieurs machines sans tout réécrire
- Vous lancez de nombreux essais d'hyperparamètres
Pas pour qui
Étiquettes
- entraînement distribué
- ray
- hyperparamètres
- pytorch
À propos
Vous dites
« Adapte mon script PyTorch à Ray Train sur deux nœuds de huit GPU et lance 20 essais avec arrêt précoce. »
Skill publiée par Orchestra Research sous licence MIT. Fichiers livrés dans leur version d'origine, en anglais.
Voir plusVoir moins
Comment l'utiliser
- Installez la skill dans le dossier de skills de votre agent
- Demandez à votre agent de répartir un entraînement PyTorch sur plusieurs GPU ou nœuds et lancer des recherches d'hyperparamètres
- Relisez et ajustez le résultat
Aperçu du contenu
Fichiers
- LICENSE1,1 Ko
- NOTICE-PALATEKIT.md0,5 Ko
- references/multi-node.md13,8 Ko
- SKILL.md10,8 Ko
Origine et licence
Référencée sans modification
- Auteur
- Orchestra Research
- Source
- github.com/orchestra-research/ai-research-skills/tree/773a52944ba4747a18bd4ae9ade53fff041adcbc/08-distributed-training/ray-train
- Licence
- MIT
Notice
« ray-train » (Orchestra Research, MIT) livré dans sa version d'origine : fiche en français et en anglais par PalateKit.
Avis des utilisateurs
–
Aucune note pour l'instant
Chargement des avis…