C✳CODEZ.WIN
🌐 Bahasa Indonesia

Panduan membaca yang dilokalisasi

huggingface-vision-trainerTujuan, penggunaan, dan sumber

Melatih dan menyempurnakan model visi untuk deteksi objek (D-FINE, RT-DETR v2, DETR, YOLOS), klasifikasi gambar (model timm — MobileNetV3, MobileViT, ResNet,ViT/DINOv3— ditambah pengklasifikasi Transformers apa pun), danSAM/SAM2Segmentasi menggunakan Hugging Face Transformers pada GPU cloud Hugging Face Jobs. Mencakup persiapan dataset format COCO, augmentasi Albumentations,mAP/mARevaluasi, metrik akurasi, segmentasi SAM denganbbox/pointpetunjuk, kehilangan DiceCE, pemilihan perangkat keras, estimasi biaya, pemantauan Trackio, dan persistensi Hub. Gunakan saat pengguna menyebutkan pelatihan deteksi objek, klasifikasi gambar, SAM, SAM2, segmentasi, image matting, DETR, D-FINE, RT-DETR, ViT, timm, MobileNet, ResNet, model bounding box, atau fine-tuning model visi pada Hugging Face Jobs.

Sumber diambil:

Repositori sumber
huggingface/skills
SKILL.md
skills/huggingface-vision-trainer/SKILL.md
Bintang Repositori
11,241
Pembaruan terakhir repositori
2026-10-30
Klasifikasi Kemampuan
Desain
Waktu pengumpulan terbaru

Lisensi: Apache-2.0

SKILL.md asli

Cuplikan alur kerja adalah alat bantu baca, bukan instruksi yang dapat dieksekusi dari Codez. Tidak ada Skill pihak ketiga yang dijalankan untuk menghasilkan halaman ini.

Bagian yang menjelaskan tujuan dan alur kerja di bawah ini merupakan materi dari hulu, yang telah diorganisir dan diterjemahkan untuk dibaca. Bagian ini berbeda dari analisis editorial Codez yang diberi label secara terpisah.

Apa yang dilakukan oleh Skill ini?

Melatih dan menyempurnakan model visi untuk deteksi objek (D-FINE, RT-DETR v2, DETR, YOLOS), klasifikasi gambar (model timm — MobileNetV3, MobileViT, ResNet,ViT/DINOv3— ditambah pengklasifikasi Transformers apa pun), danSAM/SAM2Segmentasi menggunakan Hugging Face Transformers pada GPU cloud Hugging Face Jobs. Mencakup persiapan dataset format COCO, augmentasi Albumentations,mAP/mARevaluasi, metrik akurasi, segmentasi SAM denganbbox/pointpetunjuk, kehilangan DiceCE, pemilihan perangkat keras, estimasi biaya, pemantauan Trackio, dan persistensi Hub. Gunakan saat pengguna menyebutkan pelatihan deteksi objek, klasifikasi gambar, SAM, SAM2, segmentasi, image matting, DETR, D-FINE, RT-DETR, ViT, timm, MobileNet, ResNet, model bounding box, atau fine-tuning model visi pada Hugging Face Jobs.

Bagaimana alur kerja hulu bekerja

Praproses Bbox Otomatis

Skrip pelatihan deteksi objek (scripts/object_detection_training.py) secara otomatis menangani deteksi format bbox (konversi xyxy→xywh), ​​sanitasi bbox,image_idpembuatan, pemetaan ulang kategori string→integer, dan pemangkasan dataset. Tidak diperlukan pra-pemrosesan manual — cukup pastikan dataset memilikiobjects.bboxDanobjects.categorykolom.

Jalur hulu · L113 ↗

Alur kerja pelatihan

Salin daftar periksa ini dan lacak kemajuannya: Langkah1: Verifikasi prasyarat Ikuti Daftar Periksa Prasyarat di atas. Langkah2: Validasi dataset

Jalur hulu · L117 ↗

Panduan singkat — Deteksi Objek

Ituscript_argsBerikut ini adalah petunjuk yang sama untuk kedua metode pengiriman. Lihat petunjuk #1karena perbedaan-perbedaan penting di antara mereka.

Jalur hulu · L365 ↗
Jalur hulu · bash ↗
uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train
uv run scripts/estimate_cost.py --help

Persyaratan dan pengaturan

Daftar Periksa Prasyarat

Sebelum memulai pekerjaan pelatihan apa pun, verifikasi:

Jalur hulu · L35 ↗

Persyaratan Dataset — Deteksi Objek

Dataset harus ada di Hub. Anotasi harus menggunakanobjectskolom denganbbox,category(dan opsional)area) sub-bidang

Jalur hulu · L45 ↗

Batasan dan pemeriksaan kualitas

Tidak ada bagian batasan terpisah yang dipilih dari file ini. Ini tidak berarti Keterampilan ini aman untuk setiap input atau lingkungan. Tinjau sumber lengkapnya dan validasi hasil Anda sendiri.

Mulailah dengan uji coba yang aman.

  1. Periksa host yang didukung dan petunjuk instalasi repositori. Simpan direktori Skill beserta skrip, aset, dan dokumentasi yang dirujuk di dalamnya secara bersamaan;SKILL.mdsendirian dapat menghilangkan dependensi.
  2. Berikan input sebenarnya, output yang diinginkan, dan kriteria penerimaan kepada agen. Sintaks pemanggilan dan alat yang tersedia bergantung pada host; situs ini tidak mengasumsikan perintah instalasi universal.
  3. Cobalah alur kerja sumber dalam proyek sementara atau pada salinannya. Tinjau operasi yang mengubah file, layanan jarak jauh, atau sumber daya yang dapat ditagih sebelum mengizinkannya.
  4. Validasi output terhadap pemeriksaan kualitas sumber dan persyaratan Anda sendiri. Pemicu yang berhasil atau jumlah bintang repositori yang tinggi tidak menjamin hasil yang benar.

Spesifikasi format dan direktori keterampilan ↗

Baca selengkapnya di sumber aslinya.

Terjemahan dan ruang lingkup

Panduan membaca ini memilih bagian-bagian dari teks yang telah disematkan di bagian atas.SKILL.mdTerjemahan ini dibantu. Ini bukan manual lengkap atau klaim kompatibilitas yang telah diuji. Bacalah dokumen asli dan file referensinya sebelum digunakan.

Pendahuluan ini mengacu pada versi yang disematkan di bawah ini; aktivitas repositori saat ini dan waktu pengumpulan ditampilkan secara terpisah.

Sumber yang disematkan
Baca teks aslinya ↗
Sumber diambil
Komit sumber
fabc634a893f62ad5c2039830397efa35fa62715
Sumber SHA-256
c7aba4de75fa6595ffdaf5c50136786e8346aba0c9ff0261eaee656af4a3b0d9
Kembali ke katalog Keterampilan lengkap