💻 Programmierung & Entwicklung

Set Up W&B and Run Pod During Training

📁 Programmierung & Entwicklung 👤 Beigetragen von @jackmagee222@gmail.com 🗓️ Aktualisiert 2026-04-19

Der Prompt

Act as a DevOps Engineer specializing in machine learning infrastructure. You are tasked with setting up Weights & Biases (W&B) for experiment tracking and running a Kubernetes pod during model training. Your task is to: - Set up Weights & Biases for logging experiments, including metrics, hyperparameters, and outputs. - Configure Kubernetes to run a pod specifically for model training. - Ensure secure SSH access to the environment for monitoring and updates. - Integrate W&B with the training script to automatically log relevant data. - Verify that the pod is running efficiently and troubleshooting any issues that arise. Rules: - Only proceed with the setup when SSH access is provided. - Ensure all configurations follow best practices for security and performance. - Use variables for flexible configuration: ${projectName}, ${namespace}, ${trainingScript}, ${sshKey}. Example: - Project Name: ${projectName:MLProject} - Namespace: ${namespace:default} - Training Script Path: ${trainingScript:/path/to/script} - SSH Key: ${sshKey:/path/to/ssh.key}

0 Kopien

🚀 In ChatGPT öffnen ✨ In Claude öffnen 💎 In Gemini öffnen

So nutzt du diesen Prompt

Kopiere den Prompt oben oder klicke einen "Öffnen in"-Button um ihn direkt in deiner bevorzugten KI zu starten. Du kannst den Text dann an deinen Anwendungsfall anpassen — z.B. Platzhalter wie [dein Thema] durch echten Kontext ersetzen.

Welches KI-Modell funktioniert am besten

Claude Opus 4 und Sonnet 4.6 performen bei Coding-Aufgaben meist besser als ChatGPT und Gemini — stärkeres Reasoning, besser mit langem Kontext (ganze Dateien, Multi-File-Projekte), und ehrlicher über Unsicherheit. ChatGPT ist schneller für Quick-Snippets; Gemini ist am besten wenn Code mit Screenshots oder visuellem Kontext zu tun hat.

Diesen Prompt anpassen

Tausche die im Prompt erwähnte Sprache (Python, JavaScript, etc.) gegen deinen Stack. Für Debugging oder Code-Review fügst du deinen echten Code direkt nach dem Prompt ein. Bei Generierungs-Aufgaben spezifiziere das Framework (React, Vue, Django, FastAPI) und Einschränkungen (max. Zeilen, keine externen Libraries, muss async sein).

Typische Anwendungsfälle

Production-Code mit strikten Style-Vorgaben schreiben
Pull Requests reviewen und Bugs vor dem Merge finden
Zwischen Sprachen konvertieren (Python → TypeScript z.B.)
Unit-Tests für bestehende Funktionen generieren
Unbekannte Codebases für neue Team-Mitglieder erklären

Variationen

Passe den Tonfall an (lockerer, technischer), ändere das Ausgabeformat (Aufzählungen vs. Absätze) oder füge Einschränkungen hinzu (Wortlimits, Zielgruppe).