cuopt-user-rules
NVIDIA cuOpt 终端用户使用规则技能,指导如何调用 cuOpt 的 SDK、安装与部署服务端,涵盖路由、LP、MILP、QP 等问题的使用规范;不涉及 cuOpt 内部开发,后者应改用 cuopt-developer。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-21 00:15
54,055 个结果
NVIDIA cuOpt 终端用户使用规则技能,指导如何调用 cuOpt 的 SDK、安装与部署服务端,涵盖路由、LP、MILP、QP 等问题的使用规范;不涉及 cuOpt 内部开发,后者应改用 cuopt-developer。
cuPyNumeric HDF5 I/O 技能:使用 legate.io.hdf5 的 to_file、from_file、from_file_batched 在 HDF5 文件中并行读写大型 cuPyNumeric 数组,每个 rank 读写自己的分块,避免单进程瓶颈。
NVIDIA DALI 命令式动态模式(nvidia.dali.experimental.dynamic,简称 ndd)的使用指南,用于编写、审查和迁移 ndd 代码。涵盖 Tensor/Batch 数据类型、读取器、设备处理、执行模型、随机数、检查点与流水线模式迁移,并列出常见错误与限制。
用于将 Hugging Face 或 NVIDIA NGC 上支持的目标检测视觉模型导入 NVIDIA DeepStream 流水线的技能,覆盖模型获取、TensorRT 引擎构建、DeepStream 管线运行与基准报告生成,全程在 DeepStream 容器内自动执行。
用于在转换或推理前,对单个 DICOM 序列文件夹做仅读取头信息的预检工具。输出 JSON 清单、方向轴码、PHI 标记与 pass/warn/fail 判定。不用于去标识化或临床放行。
用于将单个 CT DICOM 序列文件夹转换为带 affine 证据的 HU NIfTI 体积,输出 .nii.gz 和 JSON 摘要。不支持多帧 DICOM,不可用于临床。
临床 ASR 飞轮第二阶段技能:整理临床专科术语、标注 IPA 并通过 Magpie TTS 合成评测音频,最终生成带临床扩展字段的 NeMo manifest.jsonl,作为第三阶段评分(KER 指标)的输入。
通过 Conda 在 CUDA 13 环境安装 Holoscan SDK v4.3+(Python 运行时与/或 C++ 开发头文件),适用于 Linux x86_64。CUDA 12 主机请改用容器或 wheel 方式安装。
用于给连接 NVIDIA 开发套件的 HSB 板卡刷写 FPGA 固件的技能,支持 HSB Lattice 板(FPGA 版本 2407、2412、2507、2510)与 Leopard Imaging VB1940 相机。需先确认板卡类型,禁止混用命令,否则可能永久损坏设备。
用于在 Jetson Thor 或 Orin 自定义载板上启用 MIPI/GMSL 摄像头传感器:从内核内自带的传感器 DTSI 渲染内核设备树 overlay。适用于 CSI 摄像头 bring-up,不适用于 UPHY lane 相关配置。
NVIDIA Jetson 技能,用于把指定 Jetson Linux/L4T 版本的 BSP 制品(BSP 压缩包、示例 rootfs、public_sources、x-tools 及开发者/用户指南)下载到工作区,供 Auto Setup 后续技能离线使用;仅负责下载,不解压、不注册文档、不改动目标配置。
Jetson Headless Mode 是 NVIDIA 提供的技能,用于在 Jetson 设备上规划并应用可逆的无头模式改动,通过切换 systemd 默认目标并禁用非必要守护进程来回收内存。
用于在主机 PC 上打印 Jetson Linux_for_Tegra(BSP)树摘要的示例技能,只读检查 L4T 版本、板级配置与 rootfs 状态,不做刷机或修改。
NVIDIA Jetson/IGX BSP 定制的入口技能,通过一次点击式问卷收集模式、平台、BSP 版本与自定义载板意图,再把预填答案分派给下游 Setup 技能;它本身不下载、解压或绑定任何文件。
面向 Megatron-LM 的代码检查与格式化技能,涵盖运行 autoformat.sh、ruff、black、isort、pylint、mypy 等工具及代码风格规则。
在 SLURM 集群上启动 Megatron-LM 分布式训练的指导技能,涵盖最小 sbatch 模板、torch.distributed.run 环境变量配置、多节点规则、CUDA_DEVICE_MAX_CONNECTIONS 取值、容器运行、监控与故障诊断。
NVIDIA NeMo AutoModel 分布式训练配置指南,介绍如何通过 YAML 或 Python API 选择 FSDP2、MegatronFSDP、DDP 策略,并配置 TP、PP、CP、EP 等并行维度。
NVIDIA Megatron Bridge 的激活重计算(activation recompute)技能,用于在增加计算量的前提下降低 GPU 显存占用。提供选择性/全层重计算的配置方法、模块边界选择决策表、测量契约与兼容性限制说明。
NVIDIA Megatron Bridge 的 CPU Offloading 性能技能,用于把激活值或 Adam 优化器状态从 GPU 卸载到 CPU 内存,缓解显存压力。包含层激活卸载与分数式优化器状态卸载两种机制的配置、约束、验证命令与故障排查。
NVIDIA Megatron-Bridge 中启用 Megatron FSDP 的操作指南,涵盖配置开关、代码锚点、常见陷阱与验证方法,用于分布式训练性能调优。
NVIDIA Megatron Bridge 的 GPU 显存调优技能,讲解如何降低训练峰值显存,涵盖碎片整理、并行度调整、激活重算、PEFT 输入重收集与 CPU offloading 等方法及其实测吞吐代价。
面向 MoE 训练的 token dispatcher 选择指南,帮助在 alltoall、DeepEP 与 HybridEP 之间按硬件、EP 规模与优化阶段做出选择,并给出调参、适用场景与常见陷阱。
NVIDIA NeMo MoE 硬件配置参考技能,按硬件与模型族提供 MoE 训练配置候选与性能区间,属候选种子而非默认值,需在生产容器中重新校验。
NVIDIA 技能文档,讲如何在 Megatron Bridge 中选择和组合并行策略:按模型规模、硬件拓扑与序列长度给出 TP/PP/CP/DP/EP 的起点建议、最小 GPU 数计算、显存估算与常见配置错误。