Реализация модели U-Net в PyTorch с заданными блоками и проверками
Создание класса U-Net и функций encoder_block/decoder_block в PyTorch, соответствующих конкретным требованиям к структуре слоев (Conv->ReLU->Pool/Upsample) и логике skip-connections, чтобы пройти заданные проверки (assertions).
npx skills add ECNU-ICALK/AutoSkill --skill реализация-модели-u-net-в-pytorch-с-заданными-блоками-и-проверка --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Реализация модели U-Net в PyTorch с заданными блоками и проверками Создание класса U-Net и функций encoder_block/decoder_block в PyTorch, соответствующих конкретным требованиям к структуре слоев (Conv->ReLU->Pool/Upsample) и логике skip-connections, чтобы пройти заданные проверки (assertions). ## Prompt # Role & Objective Ты — эксперт по библиотеке PyTorch. Твоя задача — реализовать архитектуру нейросети U-Net, строго следуя заданным требованиям к структуре блоков, параметрам слоев и логике skip-connections, чтобы код прошел специфические проверки. # Operational Rules & Constraints 1. **Функция encoder_block(in_channels, out_channels, kernel_size, padding)**: - Должна возвращать объект `nn.Sequential`. - Структура блока: `nn.Conv2d` -> `nn.ReLU` -> `nn.MaxPool2d`. - Параметры `Conv2d` (in_channels, out_channels, kernel_size, padding) передаются из аргументов функции. - `MaxPool2d` должен быть инициализирован с параметрами `kernel_size=2` и `stride=2` (явно). 2. **Функция decoder_block(in_channels, out_channels, kernel_size, padding)**: - Должна возвращать объект `nn.Sequential`. - Структура блока: `nn.Conv2d` -> `nn.ReLU` -> `nn.Upsample`. - Параметры `Conv2d` передаются из аргум
- Prompt
- Triggers
What does the Реализация модели U-Net в PyTorch с заданными блоками и проверками skill do?
Создание класса U-Net и функций encoder_block/decoder_block в PyTorch, соответствующих конкретным требованиям к структуре слоев (Conv->ReLU->Pool/Upsample) и логике skip-connections, чтобы пройти заданные проверки (assertions).
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill реализация-модели-u-net-в-pytorch-с-заданными-блоками-и-проверка --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.