深度学习 Skill 技能说明书

数据来源：SkillsBot AI Skill技能库 · 深度学习分类
整理时间：2026-03-17

---

页面截图

---

技能速览表

Skill 名称	功能描述	痛点解决	下载地址
PyTorch 模型训练器	完整自定义训练循环、梯度管理、GPU 优化、混合精度训练，集成学习率调度、检查点与多 GPU 分布式训练	手搭训练流程繁琐、梯度爆炸难控制、分布式配置复杂	skill/464
TensorFlow 模型训练器	自动化训练/评估/部署，支持 Keras API、分布式策略、TensorBoard 可视化和 SavedModel/TFLite 导出	训练部署链路断裂、跨平台迁移麻烦、可视化配置困难	skill/469
CUDA 图捕获与优化	图化 GPU 工作流程，减少内核启动开销，提升 AI 推理和批处理效率	高频推理内核启动开销大、CPU 侧调度延迟高	skill/2085
稳定基线 3	PyTorch 强化学习库，提供 PPO/SAC/DQN 等算法，支持自定义环境、回调函数和向量化并行采样	RL 算法实现易出 Bug、环境接口不统一、训练效率低	skill/7705
单细胞基因组学深度学习工具	单细胞基因组数据深度生成模型，支持批效应校正、多模态集成与差异表达分析	批效应干扰大、多组学整合难、传统方法精度不足	skill/7709
TensorFlow 物理机器学习	构建 PINN/NNP/GNN，将 TensorFlow 应用于物理科学仿真与分子动力学建模	传统数值方法计算成本高、高维问题无法处理	skill/1733
cublas-cudnn	集成 cuBLAS 与 cuDNN，提供张量核心配置、GEMM 优化、深度学习层实现及混合精度支持	手调 CUDA 库门槛高、算法选型与内存管理复杂	skill/2083
CUDA 工具包技能	CUDA 内核开发、nvcc 编译优化、PTX/SASS 汇编分析及 GPU 内存管理	CUDA 开发曲线陡峭、调试工具链难用、性能瓶颈难定位	skill/2086
cutlass-triton	使用 CUTLASS 和 Triton 生成优化 GPU 内核，实现高性能矩阵计算和自定义算子	手写高性能 GPU 内核难度极高，缺乏自动化优化工具	skill/2087
NCCL 多 GPU 通信库集成	集成 NCCL，支持全归约/全收集/广播，针对 NVLink/PCIe 拓扑优化多节点集群通信	多 GPU 梯度同步配置繁琐、带宽利用率低	skill/2091
Nsight 性能分析专家	NVIDIA GPU 性能瓶颈诊断、内核优化、内存带宽分析与线程束效率评估，支持屋顶线模型	GPU 程序优化无从下手、瓶颈定位依赖经验	skill/2092
PyTorch Lightning	组织和自动化 PyTorch 项目，支持多 GPU/TPU 训练、分布式策略、实验跟踪与模块化代码结构	训练代码冗余、多卡配置复杂、实验管理混乱	skill/10680

---

技能详细说明

1. PyTorch 模型训练器 (pytorch-trainer)

• 评分：⚡ 4.5 　安装量：2+
• 详情页：https://www.skillsbot.cn/skill/464

功能描述
专注于深度学习模型训练的专业技能工具。提供完整的自定义训练循环、高效的梯度管理（裁剪和累积）、GPU 优化加速以及混合精度训练支持，集成学习率调度、检查点管理、多 GPU 分布式训练和早停机制，并能与主流实验跟踪系统无缝对接。

痛点解决

• 手动搭建 PyTorch 训练循环代码冗余、容易出错
• 梯度爆炸/消失问题难以统一管理
• 多 GPU 分布式训练配置门槛高
• AutoML 流水线编排缺乏标准化接口

---

2. TensorFlow 模型训练器 (tensorflow-trainer)

• 评分：⚡ 4.5 　安装量：1+
• 详情页：https://www.skillsbot.cn/skill/469

功能描述
自动化深度学习模型训练、评估和部署的专业技能。支持 Keras API 和自定义训练循环，集成分布式训练策略、TensorBoard 可视化、回调函数管理以及生产环境模型导出功能（SavedModel/TFLite），覆盖数据加载到边缘部署的完整流水线。

痛点解决

• 训练与部署链路断裂，模型无法平滑导出到生产/边缘环境
• TensorBoard 可视化配置复杂
• 分布式训练策略选型困难
• Keras API 与 TF 底层 API 混用导致代码难以维护

---

3. CUDA 图捕获与优化 (cuda-graphs)

• 评分：⚡ 4.5 　安装量：1+
• 详情页：https://www.skillsbot.cn/skill/2085

功能描述
专注于减少 CUDA 内核启动开销和优化执行模式，通过图化工作流程（CUDA Graphs）提升 AI 推理和批处理效率。将重复的 GPU 操作序列预先捕获为执行图，消除运行时调度开销。

痛点解决

• 高频推理场景下 GPU 内核启动开销占比大
• CPU 侧调度 GPU 操作存在不可忽略的延迟
• 批处理任务中大量重复操作缺乏优化机制

---

4. 稳定基线 3 (stable-baselines3)

• 评分：⚡ 4.5 　安装量：1+
• 详情页：https://www.skillsbot.cn/skill/7705

功能描述
基于 PyTorch 的强化学习库，提供 PPO、SAC、DQN 等主流 RL 算法的可靠实现，支持快速训练 RL 智能体、创建自定义环境、实现回调函数和优化工作流程，并支持向量化环境进行并行采样。

痛点解决

• 从零实现 PPO/SAC 等算法易出 Bug，调试困难
• 自定义环境与标准库对接接口不统一
• 超参搜索和实验管理效率低下
• 单环境采样速度慢，训练耗时长

---

5. 单细胞基因组学深度学习工具 (scvi-tools)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/7709

功能描述
基于 Python 的单细胞基因组学深度生成模型框架，应用变分推断对高维基因表达数据建模，支持批效应校正、多模态数据集成（scRNA-seq、ATAC-seq、空间转录组学）和差异表达分析。

痛点解决

• 单细胞测序数据批效应干扰严重，影响分析结论
• 多组学数据整合缺乏统一工具
• 传统统计方法对高维稀疏矩阵处理能力不足
• 差异表达分析中假阳性率高

---

6. TensorFlow 物理机器学习 (tensorflow-physics-ml)

• 评分：⚡ 4.5 　安装量：1+
• 详情页：https://www.skillsbot.cn/skill/1733

功能描述
将 TensorFlow 机器学习技术应用于物理科学领域，核心功能包括构建物理信息神经网络（PINN）、训练神经网络势能（NNP）、使用图神经网络（GNN）处理分子系统，实现科学机器学习建模。

痛点解决

• 传统数值方法（有限元/差分）求解 PDE 计算成本极高
• 物理模拟无法处理高维参数空间
• 分子动力学势函数精度与效率难以兼顾
• 纯数据驱动模型无法内嵌物理约束

---

7. cublas-cudnn (cublas-cudnn)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/2083

功能描述
专注于 NVIDIA GPU 加速数学库集成，提供专家级 cuBLAS（线性代数）和 cuDNN（深度神经网络）调用能力。涵盖张量核心操作配置、优化 GEMM 调用生成、深度学习层（卷积/池化/归一化）集成、GPU 内存管理以及 FP16/TF32/INT8 混合精度全面支持。

痛点解决

• 直接调用 cuBLAS/cuDNN C API 门槛极高
• 卷积算法选择需手动基准测试，耗时耗力
• 混合精度操作类型转换容易出错
• GPU 工作空间内存分配缺乏统一管理策略

---

8. CUDA 工具包技能 (cuda-toolkit)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/2086

功能描述
专门用于 NVIDIA GPU 并行计算的开发工具，提供 CUDA 内核开发、nvcc 编译优化、PTX/SASS 汇编分析、内存层次结构管理（共享/全局/寄存器）和错误处理功能，支持多种 GPU 计算能力（sm_XX）。

痛点解决

• CUDA 编程学习曲线陡峭，内核开发调试困难
• nvcc 编译参数繁多、PTX 汇编难以阅读分析
• GPU 内存层次使用不当导致性能差
• 不同 GPU 架构（sm_xx）兼容性问题频发

---

9. cutlass-triton (cutlass-triton)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/2087

功能描述
专门用于生成优化 GPU 内核的技能，通过 CUTLASS 模板库和 Triton DSL 实现高性能矩阵运算和自定义算子，覆盖从算法设计到内核代码生成的完整流程，大幅降低编写高性能 GPU 内核的门槛。

痛点解决

• 手写高性能 GEMM 等矩阵运算内核极为复杂
• CUTLASS 模板元编程抽象层次高，上手困难
• 自定义算子性能无法轻松逼近手工优化水平
• 缺乏 Triton DSL 使用最佳实践指引

---

10. NCCL 多 GPU 通信库集成 (nccl-communication)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/2091

功能描述
集成 NVIDIA 集体通信库（NCCL），提供多 GPU 环境下全归约（AllReduce）、全收集（AllGather）、广播（Broadcast）等集体操作，支持单节点与多节点集群，并针对 NVLink、PCIe 等硬件拓扑进行性能优化，兼容 MPI 与 RCCL。

痛点解决

• 多 GPU 数据并行训练中梯度同步配置繁琐
• NCCL 与 MPI 集成缺乏清晰参考
• NVLink vs PCIe 拓扑下通信策略选择复杂
• 多节点集群网络（RDMA/InfiniBand）配置困难

---

11. Nsight 性能分析专家 (nsight-profiler)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/2092

功能描述
专门用于 NVIDIA GPU 应用程序性能分析和优化的专业工具。提供 GPU 性能瓶颈诊断、内核优化、内存带宽分析、线程束效率评估等核心功能，支持屋顶线模型（Roofline）分析，帮助开发者深度优化 CUDA 程序性能。

痛点解决

• GPU 程序性能优化无从下手，缺乏系统化方法
• 性能瓶颈定位完全依赖经验，效率极低
• 内存带宽利用率、占用率等关键指标难以量化
• 屋顶线模型分析需要复杂的手动计算

---

12. PyTorch Lightning (pytorch-lightning)

• 评分：⚡ 4.5 　安装量：0
• 详情页：https://www.skillsbot.cn/skill/10680

功能描述
用于组织和自动化 PyTorch 深度学习项目的框架，支持多 GPU/TPU 训练、分布式策略（DDP/FSDP）、数据管道管理、实验跟踪（W&B/MLflow）和模块化代码结构，将 PyTorch 研究代码工程化。

痛点解决

• PyTorch 训练代码重复冗余（训练循环到处复制粘贴）
• 多卡/多节点训练配置复杂，容易出错
• 实验管理混乱，难以复现结果
• 研究代码与生产代码结构差异大，迁移困难

---

技术方向分类

🏋️ 模型训练框架

Skill	链接
PyTorch 模型训练器	https://www.skillsbot.cn/skill/464
TensorFlow 模型训练器	https://www.skillsbot.cn/skill/469
PyTorch Lightning	https://www.skillsbot.cn/skill/10680

🎮 GPU 底层加速

Skill	链接
CUDA 图捕获与优化	https://www.skillsbot.cn/skill/2085
cublas-cudnn	https://www.skillsbot.cn/skill/2083
CUDA 工具包技能	https://www.skillsbot.cn/skill/2086
cutlass-triton	https://www.skillsbot.cn/skill/2087
NCCL 多 GPU 通信库集成	https://www.skillsbot.cn/skill/2091
Nsight 性能分析专家	https://www.skillsbot.cn/skill/2092

🤖 强化学习

Skill	链接
稳定基线 3	https://www.skillsbot.cn/skill/7705

🔬 科学计算与生物信息学

Skill	链接
单细胞基因组学深度学习工具	https://www.skillsbot.cn/skill/7709
TensorFlow 物理机器学习	https://www.skillsbot.cn/skill/1733

---

数据截取自 SkillsBot 技能库