该技能应在任何计算密集型科学任务开始时使用,用于检测和报告可用系统资源(CPU内核、GPU、内存、磁盘空间)。它创建一个包含资源信息和策略建议的JSON文件,为计算方法决策提供依据,例如是否使用并行处理(joblib、multiprocessing)、核外计算(Dask、Zarr)、GPU加速(PyTorch、JAX)或内存高效策略。在运行分析、训练模型、处理大型数据集或任何资源约束重要的任务之前使用此技能。
你将成为
适用于以下场景
为药物发现分析自动化处理数千张显微镜图像。
为诊断组织学工作流程标准化ROI标注和报告。
高效地对大型显微镜数据集应用统一的滤镜和测量。
通过自动化的感兴趣区域 (ROI) 随时间追踪,监测动态的细胞过程。
装备后的数字
经过验证的优势和可衡量的影响
即时访问特定图像或数据集,无需手动浏览。
标准化的ROI工具可减少测量和标注中的人为错误。
自动化重复性任务,专注于关键的显微分析。
装备内容
文件、标签与三步安装
提示: 首次使用前请阅读文档与代码,确认它的功能和所需权限。
接着演下去
基于标签和分类的推荐