技能参考¶
btorch 内置了编码规范使用模式的技能。如果你使用 AI 智能体，可以显式调用这些技能（例如"使用 btorch-snn-modelling 技能"）以获得经过验证的、具备上下文的帮助。
本页面总结了每个技能涵盖的内容，并链接到相关的源文件和示例。
btorch-snn-modelling¶
何时调用： 每当你使用 btorch 构建或训练脉冲神经网络时。
涵盖内容：
- 有状态模块 —
MemoryModule、init_net_state、reset_net、检查点保存 dt环境 —environ.context(dt=...)的用法- 训练循环 — 纯 PyTorch 和 Lightning 集成
- 检查点 — 与
state_dict()一起保存/加载memories_rv - 截断时间反向传播 — 用于长序列的
detach_net - 常见陷阱 — 忘记
dt、错误的状态名、缺少重置
关键参考：
- 技能源文件：
skills/btorch-snn-modelling/SKILL.md - 完整训练循环：
skills/btorch-snn-modelling/references/training_example.md - 纯 PyTorch 示例：
examples/fmnist.py - Lightning 示例：
examples/fmnist_lightning.py - 测试：
tests/models/test_mem_load_save.py
omegaconf-config¶
何时调用： 当你需要结构化配置、CLI 覆盖或启动器到工作进程的选项转发时。
涵盖内容：
- 数据类优先配置 — 默认值存在于 Python 中，而非 YAML 中
- 组合 — 用于通用 + 任务特定设置的嵌套数据类
- 变体选择 — 使用
_type_的数据类联合类型 - 选项转发 — 用于生成工作进程的
to_dotlist - 差异工具 — 用于比较配置的
diff_conf
关键参考：
如何引用技能¶
在提示智能体时，请明确说明：
"使用 btorch-snn-modelling 技能帮助我编写一个带截断时间反向传播的训练循环。"
"使用 omegaconf-config 技能来设置一个带启动器到工作进程转发的批量参数扫描。"