دليل قراءة متعدد اللغات للمهارة
huggingface-vision-trainerالغرض والاستخدام والمصدر
يقوم بتدريب نماذج الرؤية وضبطها بدقة لاكتشاف الأجسام (D-FINE، RT-DETR v2، DETR، YOLOS)، تصنيف الصور (نماذج timm - MobileNetV3موبايل فيت، ريس نت،ViT/DINOv3(بالإضافة إلى أي تصنيف خاص بسلسلة المتحولين)، وSAM/SAM2تجزئة الصور باستخدام تقنية Hugging Face Transformers على وحدات معالجة الرسومات السحابية Hugging Face Jobs. يشمل ذلك إعداد مجموعة بيانات بتنسيق COCO، وتوسيع الصور باستخدام Albumentations.mAP/mARالتقييم، ومقاييس الدقة، وتجزئة SAM معbbox/pointالمطالبات، خسارة DiceCE، اختيار الأجهزة، تقدير التكلفة، مراقبة Trackio، واستمرارية Hub. استخدمها عندما يذكر المستخدمون تدريب اكتشاف الكائنات، وتصنيف الصور، وSAM، وSAM2، التجزئة، وتحديد الصور، وDETR، وD-FINE، وRT-DETR، وViT، وtimm، وMobileNet، وResNet، ونماذج المربعات المحيطة، أو ضبط نماذج الرؤية بدقة على Hugging Face Jobs.
تم استرجاع المصدر:
- مستودع المصدر
- huggingface/skills
- SKILL.md
skills/huggingface-vision-trainer/SKILL.md- نجوم المستودع
- 11,241
- آخر تحديث للمستودع
- 2026-10-30
- تصنيف القدرات
- تصميم
- وقت التجميع الأخير
الترخيص: Apache-2.0
مقتطفات سير العمل هي أدوات مساعدة للقراءة، وليست تعليمات تنفيذية من Codez. لم يتم تشغيل أي مهارة تابعة لجهة خارجية لإنتاج هذه الصفحة.
تُعدّ فقرات الغرض وسير العمل الواردة أدناه موادًا أساسية، مُنظّمة ومترجمة لتسهيل القراءة. وهي تختلف عن التحليل التحريري لـ Codez المُصنّف بشكل منفصل.
ما تفعله هذه المهارة
يقوم بتدريب نماذج الرؤية وضبطها بدقة لاكتشاف الأجسام (D-FINE، RT-DETR v2، DETR، YOLOS)، تصنيف الصور (نماذج timm - MobileNetV3موبايل فيت، ريس نت،ViT/DINOv3(بالإضافة إلى أي تصنيف خاص بسلسلة المتحولين)، وSAM/SAM2تجزئة الصور باستخدام تقنية Hugging Face Transformers على وحدات معالجة الرسومات السحابية Hugging Face Jobs. يشمل ذلك إعداد مجموعة بيانات بتنسيق COCO، وتوسيع الصور باستخدام Albumentations.mAP/mARالتقييم، ومقاييس الدقة، وتجزئة SAM معbbox/pointالمطالبات، خسارة DiceCE، اختيار الأجهزة، تقدير التكلفة، مراقبة Trackio، واستمرارية Hub. استخدمها عندما يذكر المستخدمون تدريب اكتشاف الكائنات، وتصنيف الصور، وSAM، وSAM2، التجزئة، وتحديد الصور، وDETR، وD-FINE، وRT-DETR، وViT، وtimm، وMobileNet، وResNet، ونماذج المربعات المحيطة، أو ضبط نماذج الرؤية بدقة على Hugging Face Jobs.
طريقة الاستخدام وفق المستند الأصلي
المعالجة المسبقة التلقائية لمربعات الإحاطة
برنامج تدريب اكتشاف الأجسام (scripts/object_detection_training.py) يقوم تلقائيًا بمعالجة اكتشاف تنسيق المربع المحيط (تحويل xyxy→xywh)، وتنظيف المربع المحيط،image_idتوليد البيانات، وإعادة تعيين فئات السلاسل النصية إلى أعداد صحيحة، واقتطاع مجموعة البيانات. لا حاجة إلى معالجة مسبقة يدوية - فقط تأكد من أن مجموعة البيانات تحتوي علىobjects.bboxوobjects.categoryأعمدة.
سير عمل التدريب
انسخ قائمة التحقق هذه وتابع التقدم: الخطوة1تحقق من المتطلبات الأساسية باتباع قائمة التحقق من المتطلبات الأساسية أعلاه.2التحقق من صحة مجموعة البيانات
مقتطف من المصدر · L117 ↗البدء السريع - اكتشاف الأجسام
الscript_argsتنطبق الشروط المذكورة أدناه على كلتا طريقتي التقديم. انظر التوجيه رقم1وذلك للاختلافات الجوهرية بينهما.
uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train
uv run scripts/estimate_cost.py --helpالمتطلبات والإعداد
متطلبات مجموعة البيانات - اكتشاف الكائنات
يجب أن تكون مجموعة البيانات موجودة على Hub، ويجب أن تستخدم التعليقات التوضيحيةobjectsعمود معbbox،category(واختيارياً)area) الحقول الفرعية
الحدود وفحوصات الجودة
لم يتم تحديد أي مقطع حدود منفصل من هذا الملف. هذا لا يعني أن المهارة آمنة لكل مدخلات أو بيئة. راجع المصدر بالكامل وتحقق من صحة النتيجة بنفسك.
ابدأ بتجربة آمنة
- تحقق من المضيف المدعوم وتعليمات تثبيت المستودع. احتفظ بمجلد المهارات والبرامج النصية والأصول والوثائق المشار إليها معًا؛SKILL.mdقد يؤدي وجود شخص واحد فقط إلى إغفال بعض التبعيات.
- زوّد البرنامج ببياناتك الفعلية، والمخرجات المطلوبة، ومعايير القبول. يعتمد بناء جملة الاستدعاء والأدوات المتاحة على النظام المضيف؛ ولا يفترض هذا الموقع وجود أمر تثبيت موحد.
- جرّب سير العمل الأصلي في مشروع مؤقت أو على نسخة احتياطية. راجع العمليات التي تُغيّر الملفات أو الخدمات البعيدة أو الموارد القابلة للفوترة قبل السماح بها.
- تحقق من صحة المخرجات بمقارنتها بفحوصات جودة المصدر ومتطلباتك الخاصة. لا يُعدّ نجاح عملية التشغيل أو ارتفاع عدد النجوم في المستودع دليلاً على صحة النتيجة.
اقرأ المزيد في المصدر
- التدريب على نموذج الرؤية في عمليات تجميل الوجه
- متى تستخدم هذه المهارة
- المهارات ذات الصلة
- تنفيذ البرامج النصية المحلية
- قائمة المتطلبات الأساسية
- الحساب والمصادقة
- متطلبات مجموعة البيانات - اكتشاف الكائنات
- متطلبات مجموعة البيانات - تصنيف الصور
- متطلبات مجموعة البيانات —SAM/SAM2التجزئة
- الإعدادات الحرجة
- التحقق من صحة مجموعة البيانات
- تشغيل برنامج الفحص
- نتائج القراءة
- المعالجة المسبقة التلقائية لمربعات الإحاطة
- سير عمل التدريب
- التوجيهات الحاسمة
- 1تقديم طلب التوظيف:
hf_jobsأداة MCP مقابل واجهة برمجة تطبيقات بايثون - 2المصادقة عبر أسرار الوظيفة + حقن رمز Hub_token صريح
- 3سمة معلومات الوظيفة
- 4. علامات التدريب المطلوبة وبنية HfArgumentParser المنطقية
- 5إدارة المهلة الزمنية
- 6مراقبة Trackio
- نماذج الكشف عن الأجسام الموصى بها
- نماذج تصنيف الصور الموصى بها
- مُستَحسَنSAM/SAM2نماذج التجزئة
- توصيات الأجهزة
- البدء السريع - اكتشاف الأجسام
- مفتاح OD
script_args - دائرة متكاملة رئيسية
script_args - مفتاح SAM
script_args
المهارات ذات الصلة
الترجمة والنطاق
يختار دليل القراءة هذا مقاطع من المصدر الرئيسي المثبتSKILL.mdهذه الترجمة مساعدة. وهي ليست دليلاً كاملاً ولا تضمن التوافق المُختَبَر. يُرجى قراءة النص الأصلي والملفات المُشار إليها قبل الاستخدام.
تشير هذه المقدمة إلى النسخة المثبتة أدناه؛ ويتم عرض نشاط المستودع الحالي ووقت التجميع بشكل منفصل.
- المصدر بإصدار ثابت
- اقرأ الأصل ↗
- تم استرجاع المصدر
- معرّف نسخة Git
fabc634a893f62ad5c2039830397efa35fa62715- المصدر SHA-256
c7aba4de75fa6595ffdaf5c50136786e8346aba0c9ff0261eaee656af4a3b0d9