用途：在使用 PyTorch Lightning 构建、训练或部署神经网络时，把 PyTorch 代码整理为 LightningModule，配置 Trainer 进行多 GPU/TPU 训练，用 LightningDataModule 组织数据管线，并处理回调、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、WandB、MLflow、Neptune、Comet、CSV，用 self.log 记录指标。
使用方式：定义 LightningModule 后，可直接传入 DataLoader 或使用 DataModule，再创建 Trainer 并调用 fit。例如 Trainer(strategy="ddp", accelerator="gpu", devices=4)；调试可用 Trainer(fast_dev_run=True)。
适用场景：需要多设备扩展、规范项目结构、复用数据流程的深度学习训练任务。
限制：资料未提供安装命令、版本要求、收费与平台支持等细节；具体参数与完整方法需查阅对应参考文档。