用途：该技能面向使用 PyTorch Lightning 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 组织数据管道，同时处理回调、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个部分；Trainer 自动完成训练循环、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，使用 self.log 记录指标。
使用方式：定义 LightningModule 后，可直接传入 DataLoader 或使用 DataModule，再通过 Trainer 训练，例如 Trainer(max_epochs=10, accelerator="gpu", devices=2) 与 trainer.fit(model, train_loader) 或 trainer.fit(model, datamodule=dm)。分布式配置示例为 Trainer(strategy="ddp", accelerator="gpu", devices=4)。
适用场景与限制：适合需要多设备扩展、减少样板代码并保持 PyTorch 灵活性的深度学习项目。资料未提供安装命令、收费、价格或平台信息，暂未提供。