Receber por email
← Voltar para o catálogo

ml-debug

Debug ML issues systematically -- tensor shapes, NaN propagation, gradient flow, device mismatches, dtype errors. Use when encountering training failures, unexpected outputs, or numerical issues.

2estrelas
Atualizado há 8 meses

Ver no GitHub ↗ Licença: MIT

Como adicionar

/plugin marketplace add giacomogaglione/claude-awesome-stack

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/ml-debug/svg)](https://www.skillteca.com.br/skills/ml-debug)
#ai

Skills relacionadas

Ver todas de Desenvolvimento →

Alerta por categoria

Receba novas skills de Desenvolvimento toda segunda

1 email curto, só com as skills novas de Desenvolvimento. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

ML Debugging Skill

When debugging an ML issue, work through these checks in order. Stop at the first check that reveals the problem.

1. Shape Verification

Trace tensor shapes through the computation:

  • Print shapes at every function boundary: print(f"input: {x.shape}, output: {y.shape}")
  • Verify batch dimension is preserved through all operations
  • Check that reshape/view operations don't silently permute data
  • Verify attention mask shapes match query/key dimensions

2. Dtype and

[Description truncada. Veja o README completo no GitHub.]

Compartilhar X LinkedIn