deep-learning-pytorch 是组织 PyTorch 深度学习开发流程的 Skill。它从问题和数据分析开始，串起模型、训练、验证、实验记录与演示界面。
先说明模型要解决什么，再选数据划分和指标。训练集上的高分不能代替独立验证，相关样本混入两边也会让结果看起来过于乐观。
实验记录应保留配置、数据版本和检查点，才能比较两次结果差在哪里。模型检查点是可恢复或评估的状态，不只是一个方便命名的文件。
混合精度、多卡和其他优化需根据设备与瓶颈选择，不能默认加上就更快。一个 Gradio 演示可以方便试用，但不证明模型准确或可部署。
适合梳理项目的下一步与验证依据。本文未训练模型；原文属于开发指导而非完整可运行工程，库接口与设备支持仍需按实际版本确认。