Przejdź do treści
Biblioteka skilli
AI i agenci · Planowanie

memory-estimation

/memory-estimation

Szacuje zapotrzebowanie na pamięć GPU (VRAM) dla konfiguracji treningu, sprawdza, czy model zmieści się na kartach, i planuje przydział GPU.

Repozytorium
training_hub ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
22.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 22.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Szacuje zapotrzebowanie na pamięć GPU (VRAM) dla konfiguracji treningu, sprawdza, czy model zmieści się na kartach, i planuje przydział GPU.

Oryginalny opis (EN)

Use when the user wants to estimate GPU memory (VRAM) requirements for a training configuration, check if a model will fit on their GPUs, or plan GPU allocation for training.

Jak działa

  1. Step 1: Check Environment
  2. Step 2: Run Estimation
  3. Step 3: Present Results
  4. Estimation Methods
Sekcje z nagłówków SKILL.md, w oryginale · 44 linii, 178 słów
Podgląd SKILL.md
---
name: memory-estimation
description: "Use when the user wants to estimate GPU memory (VRAM) requirements for a training configuration, check if a model will fit on their GPUs, or plan GPU allocation for training."
allowed-tools: ["Bash(${CLAUDE_PLUGIN_ROOT}/scripts/th_estimate.sh:*)", "Bash(${CLAUDE_PLUGIN_ROOT}/scripts/th_detect.sh:*)"]
---

# GPU Memory Estimation

Estimate GPU VRAM requirements before committing to a training run.

## Step 1: Check Environment

```!
"${CLAUDE_PLUGIN_ROOT}/scripts/th_detect.sh"
```

If `library=missing`, tell the user to install training_hub first via the `setup-guide` skill.

## Step 2: Run Estimation

Execute the estimation script with user-provided parameters or config defaults:

```!
"${CLAUDE_PLUGIN_ROOT}/scripts/th_estimate.sh" $ARGUMENTS
```

## Step 3: Present Results

Parse the JSON output and present clearly:

1. **Memory estimates** — Show low/mid/high VRAM estimates in GB
2. **GPU fit** — Report whether the configuration fits on the available GPU(s)
3. **Recommendations** — If memory is tight, suggest:
   - Reduce `max_seq_len` (e.g., 4096 -> 2048)
   - Reduce `effective_batch_size`
   - Switch to LoRA or QLoRA for lower memory
   - Add more GPUs for data parallelism

## Estimation Methods

| Method | For | Estimator |
|--------|-----|-----------|
| `basic` | SFT, GRPO | BasicEstimator |
| `osft` | OSFT | OSFTEstimator |
| `lora` | LoRA-SFT, LoRA-GRPO | LoRAEstimator |
| `qlora` | Quantized LoRA | QLoRAEstimator |

If no method is specified, the script infers it from the configured algorithm.

Wersje

W bazie nie ma innych skilli o nazwie memory-estimation.

Migawka bazy z 13.11.2026 · wersja paczki 0bcc0f781fd5 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 93vram-radar
    Pokazuje, które procesy zajmują kartę graficzną i VRAM, czy inny model się zmieści i co zwolnić, także dla ComfyUI i Ollama.
  • 100airllm
    Uruchamia bardzo duże otwarte modele językowe na małym GPU lub CPU przez ładowanie jednej warstwy naraz z dysku, kosztem wolnego generowania, na przykład modelu 70B z 4-12 GB VRAM.
  • 100gpu-optimizer
    Optymalizuje trening na konsumenckich kartach NVIDIA (8-24 GB VRAM): mieszana precyzja, gradient checkpointing, XGBoost na GPU, migracja do CuPy i cuDF oraz torch.compile.
  • 100model-can-it-fit
    Szacuje, czy model Hugging Face (LLM decoder-only, MoE, VLM, hybrydowy SSM) zmieści się w pamięci VRAM GPU Intela przy zadanej kwantyzacji, kontekście, współbieżności i układzie tensor-parallel, z podziałem na wagi, KV cache i narzut.
  • 100vram16-measured
    Dobiera lokalny model AI, który zmieści się w karcie graficznej i pamięci RAM, na podstawie zmierzonych wyników.
  • 100cloudgpu-lora-finetune
    Wynajmuje GPU do treningu modelu metodą LoRA lub QLoRA i pobiera adaptery, punkty kontrolne oraz metryki.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.