用途：pytorch-trainer 用于执行 PyTorch 模型训练任务，覆盖从自定义训练循环到实验跟踪的流程，可作为模型训练管线、分布式训练编排或 AutoML 管线编排中的技能使用。
主要能力：支持自定义训练循环执行；学习率调度（StepLR、CosineAnnealing、OneCycleLR 等）；梯度裁剪与梯度累积；混合精度训练（AMP）；检查点管理与断点续训；DataLoader 优化；多 GPU 训练（DataParallel、DistributedDataParallel）；带 patience 的早停。相关工具与库包括 PyTorch、可选 PyTorch Lightning，以及 torchvision、torchaudio、torchtext 和 CUDA toolkit。
使用方式：输入需提供 modelPath（模型定义文件路径）、dataConfig（trainPath、valPath、batchSize、numWorkers）与 trainingConfig（epochs、learningRate、optimizer、scheduler、mixedPrecision、gradientClipping、gradientAccumulation）三个必填项；可选 checkpointConfig（saveDir、saveEvery、resumeFrom）。输出包含 status（success、error 或 early_stopped）、metrics（trainLoss、valLoss、trainAccuracy、valAccuracy、epochsTrained、trainingTime）、checkpointPath，以及可选的 learningCurve。调用形式为技能对象，示例中设置 modelPath 为 models/resnet.py，batchSize 为 32，epochs 为 100，scheduler 为 cosine 等。
适用场景：模型训练管线与实验跟踪、分布式训练编排、AutoML 管线编排。
限制：资料未提供安装命令、价格、性能指标或具体运行环境要求，暂未提供这些信息；实际使用需具备 PyTorch 与相应 CUDA 环境。