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
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 22.10.2026, bez odwołań do wycofanych modeli i API.
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
- Step 1: Check Environment
- Step 2: Run Estimation
- Step 3: Present Results
- Estimation Methods
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.