pytorch.mdc

PyTorch-Regeln (Training-Loops, Module)

Für wen: ML-Entwickler

So nutzt du es

Datei in deinem Projekt unter .cursor/rules/ ablegen (modernes .mdc-Format) oder den Inhalt in den Cursor-Einstellungen unter Rules einfügen. Cursor hält sich ab dann in diesem Projekt an die Regeln — z. B. Stack-Konventionen und Code-Stil.

Im Detail

Diese Regel richtet sich an ML-Entwicklerinnen und -Entwickler, die mit PyTorch arbeiten, und gibt Konventionen für Trainings-Loops, Modell-Definitionen als nn.Module sowie den Umgang mit Datasets und DataLoadern vor. Sie hilft dem KI-Assistenten, bei generiertem Trainingscode gängige PyTorch-Muster statt generischer Python-Schleifen zu verwenden, etwa eine saubere Trennung von Modell, Optimierer und Trainingsschritt. Sinnvoll für alle, die regelmäßig Trainings-Skripte oder Modell-Prototypen generieren lassen; für reine Inferenz-Anwendungen oder andere ML-Frameworks wie TensorFlow bringt sie wenig, da sie PyTorch-spezifisch ist.

Praxis-Tipp

Testen Sie sie mit einem Prompt wie ‘Schreibe einen PyTorch-Trainings-Loop für ein einfaches CNN inklusive Validierungsschritt und Checkpoint-Speicherung’.

Siehe auch

• python.mdc

Lizenz & Quelle

• Lizenz: CC0-1.0
• Quelle: github.com/sanjeed5/awesome-cursor-rules-mdc

Lade …