全部 skill

W&B：记录机器学习实验、跑超参搜索、管理模型注册表与看板。

ML 负载的可扩展数据处理。跨 CPU/GPU 流式执行，支持 Parquet/CSV/JSON/图像。与 Ray Train、PyTorch、TensorFlow 集成。从单机扩到数百节点。批量推理、数据预处理、多模态加载、或分布式 ETL 管线时使用。

跨集群的分布式训练编排。把 PyTorch/TensorFlow/HuggingFace 从笔记本扩到数千节点。内置 Ray Tune 超参调优、容错、弹性扩展。多机训练大模型、或跑分布式超参扫描时使用。

用 MLflow 追踪 ML 实验、管理带版本的模型注册、部署到生产、复现实验——框架无关的 ML 生命周期平台。

用 TensorBoard（Google 的 ML 可视化工具包）可视化训练指标、用直方图调试模型、比较实验、可视化模型图、剖析性能。

用 W&B 自动日志追踪 ML 实验、实时可视化训练、用 sweeps 优化超参、管理模型注册——协作式 MLOps 平台。