# tensorflow-deep-learning

Правило задаёт рекомендации для работы с TensorFlow: от подготовки данных и обучения до оценки и экспорта модели. Пригодится, если хотите, чтобы Cursor учитывал эти практики в Python-файлах и ноутбуках.

- правило · `type=rule` · Cursor · ★ 41024
- Автор: PatrickJS
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/PatrickJS/awesome-cursorrules/tree/HEAD/rules/tensorflow-deep-learning.mdc
- Обновлён: 2026-05-30
- HTML: https://affpapa.org/nevibecode/rules/tensorflow-deep-learning

## Что делает

Правило применяется к `*.py`, `*.ipynb`, `pyproject.toml`, `requirements*.txt` и `environment*.yml`. Оно предлагает разделять загрузку данных, описание модели, обучение и оценку, а повторяемый код переносить из исследовательских ноутбуков в модули. Для обработки входных данных рекомендуются конвейеры `tf.data`, а параметры модели предлагается хранить в типизированной конфигурации.

Перед обучением правило советует проверить формы и типы данных, метки и баланс классов. Разделять данные нужно до аугментации и подгонки нормализации; для выбора параметров использовать валидационную выборку, а для итогового отчёта — отдельный тестовый набор. Это помогает не допустить утечки данных. Для оценки предлагаются метрики по типу задачи, а лучший чекпойнт выбирается по валидационной метрике.

При подготовке к запуску правило напоминает согласовать предобработку в обучении и обслуживании модели, задать сигнатуры входов и проверить экспортированную модель тестовым запуском. Оно также советует следить за задержкой, памятью и дрейфом предсказаний. Смешанную точность стоит включать только после проверки численной стабильности; поведение GPU может быть недетерминированным.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/tensorflow-deep-learning.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/tensorflow-deep-learning.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/tensorflow-deep-learning.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/tensorflow-deep-learning.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/tensorflow-deep-learning.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/PatrickJS/awesome-cursorrules/tree/HEAD/rules/tensorflow-deep-learning.mdc

## Когда брать
- разделить код загрузки данных, обучения и оценки
- проверить метки, типы и баланс классов до обучения
- предотвратить утечку валидационных данных при предобработке
- выбрать лучший чекпойнт по метрике валидации
- проверить экспортированную модель на тестовых входах

## Примеры запросов агенту
- Проверь, что подготовка данных не создаёт утечку между обучающей и валидационной выборками.
- Раздели код обучения TensorFlow и экспериментальные ячейки ноутбука на повторяемые модули.
- Подготовь экспорт модели с сигнатурами входов и тестовым запуском на примерах.

## Похожие
- [typespec-m365-copilot](https://affpapa.org/nevibecode/rules/typespec-m365-copilot.md) — правило · ★ 40451
- [python-mcp-server](https://affpapa.org/nevibecode/rules/python-mcp-server.md) — правило · ★ 40451
- [microsoft-foundry](https://affpapa.org/nevibecode/rules/microsoft-foundry.md) — правило · ★ 40451
- [langchain-python](https://affpapa.org/nevibecode/rules/langchain-python.md) — правило · ★ 40451
- [java-mcp-server](https://affpapa.org/nevibecode/rules/java-mcp-server.md) — правило · ★ 40451
- [go-mcp-server](https://affpapa.org/nevibecode/rules/go-mcp-server.md) — правило · ★ 40451

Из того же набора: [patrickjs/awesome-cursorrules](https://affpapa.org/nevibecode/by/patrickjs/awesome-cursorrules.md) — 210 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md