cuopt-numerical-optimization-formulation
NVIDIA cuOpt 数值优化建模技能:讲解 LP、MILP、QP 的概念、问题文本解析与建模模式(参数、约束、决策、目标),仅涉及概念与工作流,不含 API 代码。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-20 00:12
41,976 个结果
NVIDIA cuOpt 数值优化建模技能:讲解 LP、MILP、QP 的概念、问题文本解析与建模模式(参数、约束、决策、目标),仅涉及概念与工作流,不含 API 代码。
基于 cuOpt 的车辆路径规划技能,仅提供 Python API,用于求解 TSP、VRP、PDP 等路径问题,适合在 Python 中构建或求解路线场景。
cuPyNumeric 安装与验证技能:面向 Python 用户,提供 conda 或 pip 安装 cuPyNumeric 的前置要求、命令与验证方法,并检查 GPU 是否真正被使用。不涉及源码构建。
cuPyNumeric 迁移就绪度评估技能:在正式把 NumPy 代码移植到 cuPyNumeric 之前,静态只读地分析源码,判断哪些 NumPy 用法能在多 GPU 上扩展、哪些需要重构,并给出结构化结论与重构配方指引。
NVIDIA DeepStream SDK 开发技能,基于 Python pyservicemaker API 构建视频分析流水线,涵盖 GStreamer 视频处理、TensorRT 推理、多路流接入、跟踪、OSD 与消息代理等,并提供配置、排错与最佳实践参考。
Clinical ASR Flywheel 的第 1 阶段(Setup)技能:用于初始化临床语音评估环境,包含 NVCF+Merriam-Webster 数据外发披露、NVIDIA_API_KEY 长度校验、Python 依赖安装与 TTS→ASR 冒烟测试,验证托管语音栈可达后进入下一阶段。
在 Ubuntu 上通过 apt 原生安装 Holoscan SDK 的 C++ 运行时与头文件,按主机 CUDA 驱动选择 holoscan-cuda-12 或 holoscan-cuda-13 包,并用内置 C++ 示例验证。Python 需另配合 /holoscan-install-wheel。仅支持 Ubuntu。
通过 pip 将 Holoscan SDK Python 绑定(holoscan-cu12 或 holoscan-cu13)安装到虚拟环境,并用 hello_world 与 video_replayer 验证。仅适用于 Python 安装,不适用于原生 C++/apt 或 Conda 安装。
mcore-split-pr 是 NVIDIA 提供的技能,用于把大型 PR 按 CODEOWNERS 审查组拆分为多个较小 PR,减少每个 PR 所需的评审组数量,并保证拆分后各 PR 仍可独立合并与审查。
NeMo AutoModel 配方开发技能:用于创建和修改 NeMo AutoModel 训练与评估配方,涵盖 YAML 结构、builder 函数、CLI 路由与执行流程,并提供本地验证与检查点配置指导。
为编码智能体提供持久、可读的会话记忆,帮助在断连、VS Code 重启或长时间任务后以最小上下文损失恢复工作。通过 session 目录下的状态、时间线、文件与交接文档记录目标、进度、决策和下一步。
NVIDIA 官方出品的 PhysicsNeMo 导航技能,帮助用户按数据形状与任务类型定位模型族、datapipe、示例与文档,用于 SciML/AI4Science 场景(代理模型、预测、超分辨率、物理信息、反问题、生成式物理系统)。
用于 TAO GPU 后端的宿主机环境准备技能:默认只读检查 NVIDIA 驱动、CUDA Toolkit、NVIDIA Container Toolkit 与 Docker 是否满足最低版本,经用户授权后可用 --install 自动安装或修复。
NVIDIA TAO 技能库中的 MAL(Mask Auto-Label)弱监督分割模型,用 ViT-MAE 骨干从点/框等极少标注生成分割掩码,提供 train、evaluate、inference 等动作,支持 Docker 运行与 AutoML。
TileGym 中新增 cuTile GPU 内核算子的端到端工作流技能,涵盖 ops.py 调度注册、cuTile 后端实现、__init__.py 导出、测试与基准编写及验证。
将 cuTile Python GPU 内核(@ct.kernel)转换为 cuTile.jl Julia 等价实现的技能,涵盖语法翻译、0 基到 1 基索引转换、测试与调试,需 Blackwell GPU 与 CUDA 13.1+。
英伟达技能:将 cuTile GPU 内核(@ct.kernel)转换为 Triton(@triton.jit),提供分阶段转换流程、API 映射、调试与性能优化指引,并覆盖 TMA、布局标志、注意力内核等常见场景。
面向 CuTile 内核自动调优的技能,指导使用 exhaustive_search 完成搜索空间设计、调优一次/缓存/直接启动模式与性能验证,覆盖占空比与 tile 尺寸搜索。
NVIDIA 的 cuTile Python 编程技能,用于编写、调试和优化基于 tile 编程模型的 GPU 内核,支持张量运算转换、性能调优与正确性验证,并提供 TileGym 与示例参考。
将 TileGym 的 cuTile 内核以非侵入式 monkey-patch 方式接入 Hugging Face transformers 模型,用 TileGym 实现替换 transformers 的子模块与部分类实现,从而在运行时调用 TileGym 内核,验证端到端功能正确性与性能提升。
PyQt6 桌面 GUI 开发规则技能,强调信号/槽架构、QSS 主题、QThread 并发、布局管理与跨平台渲染,用于构建生产级 PyQt6 应用并避免界面卡死、耦合难测与平台渲染差异。
面向 Okou 命令行体验的设计规范,强调原子操作、交互与程序化调用兼容,以及清晰的后续操作提示。
指导选择提交前检查并编写 Conventional Commit 信息,同时保留与当前任务无关的工作区和暂存内容。
说明 Okou 功能开关的注册、服务端和客户端接入,以及连接器和智能体权限能力的发布控制。