用途：该技能面向使用 PyTorch Lightning（lightning 包）构建、训练和部署神经网络的场景，帮助把 PyTorch 代码整理为 LightningModule，配置 Trainer 进行多 GPU/TPU 训练，并用 LightningDataModule 组织数据管线。
主要能力：LightningModule 将模型定义分为初始化、训练、验证、测试、预测与优化器配置六部分；Trainer 自动化训练循环、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；内置回调包括 ModelCheckpoint、EarlyStopping、LearningRateMonitor、BatchSizeFinder；日志支持 TensorBoard、W&B、MLflow、Comet、CSV，注意 NeptuneLogger 已在 2.6.4 移除。
使用方式：安装命令为 uv pip install lightning，可选 uv pip install lightning[extra]，按需安装 wandb 或 mlflow。典型流程是定义 LightningModule、准备 DataLoader 或 DataModule，再用 L.Trainer(max_epochs=10, accelerator="gpu", devices=2) 与 trainer.fit 训练。分布式配置示例：Trainer(strategy="ddp", accelerator="gpu", devices=4)。
适用场景与限制：适合需要减少样板代码、跨多设备扩展训练、统一日志与回调的深度学习项目。资料未提供具体收费、价格或效果数据；策略选择建议为 DDP 用于 5 亿参数以下模型，FSDP 用于 5 亿以上，DeepSpeed 用于更细粒度控制。