用途：该技能用于使用 PyTorch Lightning 构建、训练和部署神经网络，把 PyTorch 代码整理为 LightningModule，配置 Trainer 实现多 GPU/TPU 训练，并用 LightningDataModule 组织数据管线，同时涉及回调、日志与分布式训练策略。
主要能力：LightningModule 将模型划分为初始化、训练、验证、测试、预测与优化器配置六部分；Trainer 自动处理训练循环、设备管理、梯度操作与回调，支持 DDP、FSDP、DeepSpeed 策略、自动混合精度、梯度累积与裁剪、检查点与早停；LightningDataModule 封装 prepare_data、setup 及各 dataloader；内置 ModelCheckpoint、EarlyStopping、LearningRateMonitor、BatchSizeFinder 等回调；日志可接入 TensorBoard、Weights & Biases、MLflow、Comet、CSV。
使用方式：安装命令为 uv pip install lightning，提供 import lightning as L 与 lightning.pytorch.*。定义 LightningModule 后，可用 trainer = L.Trainer(max_epochs=10, accelerator="gpu", devices=2) 与 trainer.fit(model, train_loader) 或 trainer.fit(model, datamodule=dm) 训练。分布式配置示例：Trainer(strategy="ddp", accelerator="gpu", devices=4)。
适用场景：适合需要多设备扩展、结构化深度学习项目、分布式训练与实验跟踪的 PyTorch 工作流。
限制：不要在同一项目中混用 lightning 与旧的 pytorch-lightning 命名空间，二者类不同，例如 lightning.Trainer.fit 会拒绝 pytorch_lightning.LightningModule 并抛出 TypeError。NeptuneLogger 在 Lightning 2.6.4 后随 Neptune 托管服务关闭而移除。微调 Hugging Face 模型、图神经网络、强化学习与经典表格机器学习应改用其他技能。具体价格与平台支持暂未提供。