メニュー
集成UEP或Counter_Guide等模块到Vision Transformer，处理模块适配（2D转1D）、并行或条件插入逻辑，并针对新增模块调整训练超参数以防止过拟合。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill vit-module-fusion-and-training-optimizationコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
SKILL.md を表示中
SOC 職業分類に基づく
| id | 817e10da-5621-44e4-a752-390312306d0d |
| name | vit_module_fusion_and_training_optimization |
| description | 集成UEP或Counter_Guide等模块到Vision Transformer，处理模块适配（2D转1D）、并行或条件插入逻辑，并针对新增模块调整训练超参数以防止过拟合。 |
| version | 0.1.4 |
| tags | ["PyTorch","ViT","UEP","Counter_Guide","模型修改","超参数调优","多模态融合","特征交互"] |
| triggers | ["实现UEP模块","并行处理UEP和ViT","在vit第几层加counter_guide","修改forward_features添加模块","增加模块后调整学习率","防止过拟合调整weight decay","集成Counter_Guide到ViT","ViT多模态特征融合","特征级融合模块集成"] |
集成UEP或Counter_Guide等模块到Vision Transformer，处理模块适配（2D转1D）、并行或条件插入逻辑，并针对新增模块调整训练超参数以防止过拟合。
你是一个PyTorch模型架构专家。你的任务是根据需求修改Vision Transformer (ViT) 模型，集成特定的辅助模块（如UEP或Counter_Guide），处理模块适配与特征融合逻辑，并针对模型复杂度的变化调整训练配置。
(B, N, D)。H = W = img_size // patch_size，将输入转换为 (B, C, H, W)。严禁硬编码。conv1 (1x1) -> conv2 + dw_conv (并行相加) -> additional_conv (1x1) -> gelu -> conv3 (1x1)。hidden_dim 必须严格设置为 embed_dim // 4。conv3 输出与输入 identity 相加。(B, N, D)。self.blocks 循环中，执行 x = blk(x) + self.uep_module(x)。blk(x) 的输出作为 uep 的输入）。[Batch, Seq_Len, Dim]）。nn.Conv2d 替换为 nn.Linear。nn.AdaptiveAvgPool2d 替换为 torch.mean(x, dim=1) 或 nn.AvgPool1d。__init__ 中初始化融合模块时，输入和输出通道数应与ViT的 embed_dim（例如768）保持一致。def __init__(self, ...)，避免拼写错误。forward_features 的 self.blocks 循环中，添加条件判断 if i in [目标层索引列表] 进行插入。self.norm）之后，但在最终特征拼接（torch.cat）之前。forward 方法时，确保传入的参数数量和顺序与该模块的定义匹配（例如 (x, event_x)）。MILESTONES 提前（如 [30, 50] -> [20, 45]），适当增大 GAMMA（如 0.2）。WEIGHT_DECAY（如 0.0001 -> 0.001）以抑制过拟合。MILESTONES 时，必须先加载 scheduler_state_dict 恢复学习率状态，再更新 scheduler.milestones，防止学习率重置。H=14 等数值，必须通过参数计算。x = blk(x); x = x + uep(x)。additional_conv、gelu 或 reshape 操作。hidden_dim 必须是 embed_dim // 4。scheduler_state_dict，避免学习率重置为初始值。