get-available-resources
과학 컴퓨팅을 위한 시스템 리소스 감지
Auch verfügbar von: K-Dense-AI
과학 컴퓨팅 작업은 효율적으로 실행하기 위해 적절한 하드웨어 리소스가 필요합니다. 이 스킬은 CPU 코어, GPU 가용성, 메모리 및 디스크 공간을 자동으로 감지하여 최적의 계산 전략과 라이브러리 선택을 권장합니다.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "get-available-resources". 사용 가능한 시스템 리소스 감지
Erwartetes Ergebnis:
- CPU: 8 cores (arm64 architecture)
- Memory: 16 GB total, 8.5 GB available
- GPU: Apple M2 detected with Metal backend
- Recommendation: Use high parallelism with 6 workers
- Recommendation: GPU acceleration available via PyTorch-MPS
Verwendung von "get-available-resources". 로컬에서 모델을 훈련할 수 있는지 확인
Erwartetes Ergebnis:
- NVIDIA GPU detected with 8GB VRAM
- Backend: CUDA available
- Suggested libraries: PyTorch, TensorFlow, JAX
- Memory: 32 GB RAM available - sufficient for most datasets
- Parallel workers recommended: 6
Sicherheitsaudit
SicherThis is a legitimate system resource detection script for scientific computing. All subprocess calls use hardcoded command names (nvidia-smi, rocm-smi, sysctl, system_profiler) to standard system utilities with list arguments (no shell injection risk). File write at line 267 outputs to a predictable local JSON file for resource data storage. No network calls, data exfiltration, credential access, or persistence mechanisms found. The static findings are false positives triggered by pattern matching on subprocess and file operations without semantic context.
Risikofaktoren
⚙️ Externe Befehle (4)
📁 Dateisystemzugriff (1)
⚡ Enthält Skripte (1)
Qualitätsbewertung
Was du bauen kannst
대용량 데이터셋 분석
데이터셋이 메모리에 맞는지 또는 Dask, Zarr 또는 out-of-core 처리가 필요한지 결정
신경망 훈련
GPU 가용성을 확인하고 PyTorch, TensorFlow 또는 JAX에 적합한 백엔드 선택
시뮬레이션 실행
joblib 또는 multiprocessing을 사용한 병렬 처리에 최적의 워커 수 식별
Probiere diese Prompts
get-available-resources 스킬을 사용하여 사용 가능한 CPU, GPU, 메모리 및 디스크 리소스 감지
get-available-resources를 실행하고 Dask, Zarr 또는 인메모리 처리를 사용해야 하는지 권장
get-available-resources를 사용하여 GPU 가용성을 확인하고 내 하드웨어에 최적의 라이브러리 제안
리소스 감지를 실행하고 처리에 최적의 병렬 워커 수 결정
Bewährte Verfahren
- 각 프로젝트 세션 시작 시 리소스 감지 실행
- 병렬 워커 또는 데이터 크기를 확장하기 전에 재실행
- 문서화를 위해 프로젝트 디렉토리에 .claude_resources.json 파일 저장
Vermeiden
- 리소스 감지를 한 번 실행하고 변화하는 리소스 가용성 무시
- 확인 없이 GPU 가용성 가정(nvidia-smi가 설치되지 않았을 수 있음)
- 시스템 작업을 위한 여유 공간을 남기지 않고 병렬 처리에 사용 가능한 모든 코어 사용