用途
该技能用于让 Claude 设计并实现面向特定任务的神经网络。它依托 neural-network-builder 插件，自动完成网络架构定义、层配置与训练参数设置，从而更高效、准确地创建神经网络模型。
主要能力
- 分析用户请求，理解所需的神经网络架构、任务类型与性能目标。
- 根据分析结果生成 neural-network-builder 插件所需的配置，指定层、激活函数及其他相关参数。
- 执行 build-nn 命令，触发 neural-network-builder 插件按生成的配置构建神经网络。
使用方式
该技能在以下情况激活：
- 为特定机器学习任务创建新的神经网络架构。
- 修改已有神经网络的层、参数或训练过程。
- 使用特定层类型（如卷积层、循环层或 Transformer 层）设计神经网络。
示例一：图像分类
用户请求：“构建一个用于图像分类的卷积神经网络，包含三个卷积层和两个全连接层。”
技能将：
- 分析请求并确定所需的 CNN 架构。
- 为 build-nn 命令生成配置，指定层类型、滤波器大小和激活函数。
示例二：文本生成
用户请求：“定义一个用于文本生成的 RNN 架构，包含 LSTM 单元和一个嵌入层。”
技能将：
- 分析请求并确定所需的 RNN 架构。
- 为 build-nn 命令生成配置，指定 LSTM 单元参数、嵌入维度和输出层。
适用场景
适用于需要快速搭建或调整神经网络结构的机器学习开发场景，包括图像分类、文本生成等任务，并可与数据预处理、模型评估和部署等其他技能组合使用。
最佳实践
- 层选择：根据任务和数据特征选择合适的层类型（如卷积、循环、Transformer）。
- 参数调优：尝试不同的参数值（如学习率、批大小、层数）以优化性能。
- 正则化：采用正则化技术（如 dropout、L1/L2 正则化）防止过拟合。
集成
该技能通过使用 neural-network-builder 插件提供的 build-nn 命令，与核心 Claude Code 环境集成。
限制
资料未提供该技能的具体收费、价格、支持平台、性能效果或详细安装步骤等信息。