Linux Nvidia Cuda Python

Cursor-Regel für GPU-beschleunigte Python-Entwicklung mit CUDA unter Linux.

Original-Beschreibung der Autoren: Cursor rules for Linux development with NVIDIA CUDA and Python integration.

Die Regel

---
description: "Cursor rules for Linux development with NVIDIA CUDA and Python integration."
globs: **/*
alwaysApply: false
---
1. **Project Overview**:

  - **App Name**: 'srt-model-quantizing'  
  - **Developer**: SolidRusT Networks  
  - **Functionality**: A pipeline for downloading models from Hugging Face, quantizing them, and uploading them to a Hugging Face-compatible repository.  
  - **Design Philosophy**: Focused on simplicity—users should be able to clone the repository, install dependencies, and run the app using Python or Bash with minimal effort.  
  - **Hardware Compatibility**: Supports both Nvidia CUDA and AMD ROCm GPUs, with potential adjustments needed based on specific hardware and drivers.  
  - **Platform**: Intended to run on Linux servers only.

2. **Development Principles**:

  - **Efficiency**: Ensure the quantization process is streamlined, efficient, and free of errors.  
  - **Robustness**: Handle edge cases, such as incompatible models or quantization failures, with clear and informative error messages, along with suggested resolutions.  
  - **Documentation**: Keep all documentation up to date, including the README.md and any necessary instructions or examples.

3. **AI Agent Alignment**:

  - **Simplicity and Usability**: All development and enhancements should prioritize maintaining the app's simplicity and ease of use.  
  - **Code Quality**: Regularly review the repository structure, remove dead or duplicate code, address incomplete sections, and ensure the documentation is current.  
  - **Development-Alignment File**: Use a markdown file to track progress, priorities, and ensure alignment with project goals throughout the development cycle.

4. **Continuous Improvement**:

  - **Feedback**: Actively seek feedback on the app's functionality and user experience.  
  - **Enhancements**: Suggest improvements that could make the app more efficient or user-friendly, ensuring any changes maintain the app's core principles.  
  - **Documentation of Changes**: Clearly document any enhancements, bug fixes, or changes made during development to ensure transparency and maintainability.

So nutzt du sie

Die Regel kopieren (Button oben) oder als Datei herunterladen und im Projekt unter .cursor/rules/ ablegen — Cursor lädt sie beim nächsten Start automatisch. Ältere Cursor-Versionen lesen alternativ eine einzelne .cursorrules-Datei im Projektstamm; dort einfach den Regel-Text ohne den Kopfblock zwischen den ----Zeilen einfügen.

Der Regel-Text ist englisch — Cursor versteht ihn unabhängig von der Sprache, in der Sie mit dem Editor chatten.

Im Detail

Cursor-Regel für Python-Entwicklung mit NVIDIA-GPU-Beschleunigung (CUDA) unter Linux. Sie gibt dem KI-Editor Kontext zu typischen Stolpersteinen mit — etwa passendes CUDA-Toolkit zur Treiberversion, Nutzung von Bibliotheken wie PyTorch oder CuPy mit GPU-Support sowie Umgang mit virtuellen Umgebungen, die CUDA-Abhängigkeiten korrekt auflösen. Relevant für ML-Engineers und Data Scientist:innen, die lokal oder auf Linux-Servern GPU-beschleunigte Python-Workloads entwickeln und dabei häufige Versions- und Treiberkonflikte vermeiden wollen. Ersetzt keine CUDA-Installation, hilft aber, dass generierter Code von vornherein auf eine funktionierende GPU-Umgebung ausgelegt ist statt CPU-only-Fallbacks zu produzieren.

Praxis-Tipp

Vor GPU-lastigen Tasks wie “Schreibe ein Trainingsskript mit PyTorch auf der GPU” einbinden, damit Cursor direkt CUDA-fähigen statt generischen Code vorschlägt.

Lizenz & Quelle

• Lizenz: CC0 1.0
• Quelle: PatrickJS/awesome-cursorrules (GitHub)

Lade …