Search
TensorFlow · By ascend-ai-coding
Skills
Sort:BestMost starsTrending todayTrending this weekTrending this monthNewestRecently updatedName
| # | Skill | Repository | Stars | Used in | Tokens | Auto-check | Licence | Updated |
|---|---|---|---|---|---|---|---|---|
| 1 | 昇腾 TensorFlow Community 迁移适配 Skill，适用于将基于 TensorFlow 2.x 的模型原生部署到华为 Ascend NPU，而不经过 TF 到 PyTorch 转换，覆盖 aarch64 源码编译 TF 2.6.5、tfplugin 安装、自动迁移工具使用、手动适配与精度验证。 | ascend-ai-coding/ | 174 | — | ~2.1k | Automated safety check: Pass | No licence | today |
| 2 | DeepFRI 的 TensorFlow 到 PyTorch 转换与昇腾 NPU 迁移 Skill，适用于蛋白质功能预测场景下的 TF 模型分析、PyTorch 重写、权重逐层映射、NPU 推理与精度验证，尤其适合需要在 Ascend 上运行 DeepFRI CNN 或 GCN 路径时使用。 | ascend-ai-coding/ | 174 | — | ~2.4k | Automated safety check: Pass | No licence | today |
| 3 | DeepFRI TensorFlow 原生昇腾 NPU 迁移 Skill，适用于不做 TF 到 PyTorch 转换、而是直接使用 TensorFlow 2.6.5 与 npudevice 在华为 Ascend 上运行 DeepFRI 的场景，覆盖源码编译、tfplugin 安装、代码适配、推理与 CPU 对比验证。 | ascend-ai-coding/ | 174 | — | ~2.1k | Automated safety check: Pass | No licence | today |
| 4 | ProteinBERT 昇腾 NPU 部署与迁移 Skill，适用于将 TensorFlow 或 Keras 版 ProteinBERT 转成基于 PyTorch 与 torchnpu 的实现，覆盖权重转换、embedding 提取、微调训练、注意力可视化和 GPU 与 NPU 精度验证。 | ascend-ai-coding/ | 174 | — | ~1.9k | Automated safety check: Pass | No licence | today |
| 5 | TensorFlow 或 Keras 模型改写到 PyTorch 的通用 Skill，适用于在华为 Ascend NPU 或其他依赖 PyTorch 生态的平台上完成层级映射、权重转换、逐层数值验证和端到端精度对比，尤其适合 ProteinBERT、DeepFRI 这类科学模型的跨框架迁移。 | ascend-ai-coding/ | 174 | — | ~3.4k | Automated safety check: Pass | No licence | today |
