Guia de leitura localizado
huggingface-vision-trainerFinalidade, utilização e fonte
Treina e ajusta modelos de visão para detecção de objetos (D-FINE, RT-DETR v2, DETR, YOLOS), classificação de imagens (modelos timm — MobileNetV3MobileViT, ResNet,ViT/DINOv3— mais qualquer classificador de Transformers), eSAM/SAM2Segmentação usando o Hugging Face Transformers em GPUs na nuvem do Hugging Face Jobs. Abrange a preparação do conjunto de dados no formato COCO, aumento de dados por meio de albumentações,mAP/mARavaliação, métricas de precisão, segmentação SAM combbox/pointprompts, perda DiceCE, seleção de hardware, estimativa de custos, monitoramento Trackio e persistência do Hub. Use quando os usuários mencionarem treinamento de detecção de objetos, classificação de imagens, SAM, SAM2, segmentação, recorte de imagens, DETR, D-FINE, RT-DETR, ViT, timm, MobileNet, ResNet, modelos de caixa delimitadora ou ajuste fino de modelos de visão no Hugging Face Jobs.
Fonte recuperada:
- Repositório de origem
- huggingface/skills
- SKILL.md
skills/huggingface-vision-trainer/SKILL.md- Estrelas do repositório
- 11,241
- Atualização do repositório
- 2026-10-30
- Classificação de Habilidades
- Design
- Última coleta
Licença: Apache-2.0
Os trechos do fluxo de trabalho são auxiliares de leitura e não instruções executáveis do Codez. Nenhuma Skill de terceiros foi executada para gerar esta página.
Os trechos abaixo, que descrevem o propósito e o fluxo de trabalho, são material original, organizado e traduzido para facilitar a leitura. Eles são distintos da análise editorial da Codez, que possui uma etiqueta separada.
O que esta habilidade faz
Treina e ajusta modelos de visão para detecção de objetos (D-FINE, RT-DETR v2, DETR, YOLOS), classificação de imagens (modelos timm — MobileNetV3MobileViT, ResNet,ViT/DINOv3— mais qualquer classificador de Transformers), eSAM/SAM2Segmentação usando o Hugging Face Transformers em GPUs na nuvem do Hugging Face Jobs. Abrange a preparação do conjunto de dados no formato COCO, aumento de dados por meio de albumentações,mAP/mARavaliação, métricas de precisão, segmentação SAM combbox/pointprompts, perda DiceCE, seleção de hardware, estimativa de custos, monitoramento Trackio e persistência do Hub. Use quando os usuários mencionarem treinamento de detecção de objetos, classificação de imagens, SAM, SAM2, segmentação, recorte de imagens, DETR, D-FINE, RT-DETR, ViT, timm, MobileNet, ResNet, modelos de caixa delimitadora ou ajuste fino de modelos de visão no Hugging Face Jobs.
Como funciona o fluxo de trabalho upstream
Pré-processamento automático de Bbox
O script de treinamento de detecção de objetos (scripts/object_detection_training.py) lida automaticamente com a detecção do formato bbox (conversão xyxy→xywh), higienização do bbox,image_idgeração, remapeamento de categoria de string para inteiro e truncamento de conjunto de dados. Nenhum pré-processamento manual é necessário — basta garantir que o conjunto de dados tenhaobjects.bboxeobjects.categorycolunas.
Fluxo de trabalho de treinamento
Copie esta lista de verificação e acompanhe o progresso: Etapa1Verifique os pré-requisitos. Siga a lista de verificação de pré-requisitos acima. Passo2: Validar conjunto de dados
Passagem a montante · L117 ↗Início rápido — Detecção de objetos
Oscript_argsAs informações abaixo são as mesmas para ambos os métodos de submissão. Consulte a diretiva nº1pelas diferenças cruciais entre eles.
uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train
uv run scripts/estimate_cost.py --helpRequisitos e configuração
Requisitos do conjunto de dados — Detecção de objetos
O conjunto de dados deve existir no Hub. As anotações devem usar oobjectscoluna combbox,category(e opcionalmente)area) subcampos
Limites e verificações de qualidade
Nenhuma passagem de limites separada foi selecionada deste arquivo. Isso não significa que a Skill seja segura para todas as entradas ou ambientes. Analise o código-fonte completo e valide seus próprios resultados.
Comece com um teste seguro.
- Verifique o host compatível e as instruções de instalação do repositório. Mantenha o diretório Skill e seus scripts, recursos e documentação referenciados juntos;SKILL.mdsozinho pode omitir dependências.
- Forneça ao agente suas entradas reais, a saída desejada e os critérios de aceitação. A sintaxe de invocação e as ferramentas disponíveis dependem do host; este site não pressupõe um comando de instalação universal.
- Teste o fluxo de trabalho original em um projeto descartável ou em uma cópia. Analise as operações que alteram arquivos, serviços remotos ou recursos faturáveis antes de permiti-las.
- Valide o resultado comparando-o com as verificações de qualidade da fonte e com seus próprios requisitos. Um gatilho bem-sucedido ou uma alta contagem de estrelas no repositório não garantem um resultado correto.
Leia mais na fonte.
- Treinamento de Modelo de Visão em Empregos de Abraço Facial
- Quando usar essa habilidade
- Habilidades relacionadas
- Execução de script local
- Lista de pré-requisitos
- Conta e autenticação
- Requisitos do conjunto de dados — Detecção de objetos
- Requisitos do conjunto de dados — Classificação de imagens
- Requisitos do conjunto de dados —SAM/SAM2Segmentação
- Configurações críticas
- Validação do conjunto de dados
- Executando o Inspetor
- Resultados da leitura
- Pré-processamento automático de Bbox
- Fluxo de trabalho de treinamento
- Diretrizes críticas
- 1Submissão de trabalho:
hf_jobsFerramenta MCP versus API Python - 2Autenticação via segredos de trabalho + injeção explícita de hub_token
- 3Atributo JobInfo
- 4Sinalizadores de treinamento obrigatórios e sintaxe booleana do HfArgumentParser.
- 5Gerenciamento de tempo limite
- 6Monitoramento Trackio
- Modelos de detecção de objetos recomendados
- Modelos de classificação de imagens recomendados
- RecomendadoSAM/SAM2modelos de segmentação
- Recomendação de hardware
- Início rápido — Detecção de objetos
- Chave OD
script_args - Circuito integrado chave
script_args - Chave SAM
script_args
Habilidades relacionadas
Tradução e escopo
Este guia de leitura seleciona trechos do texto fixado a montante.SKILL.mdA tradução foi feita com auxílio de ferramentas. Este não é um manual completo nem garante compatibilidade comprovada. Leia o original e os arquivos referenciados antes de usar.
Esta introdução refere-se à versão fixada abaixo; a atividade atual do repositório e o tempo de coleta são mostrados separadamente.
- Fonte fixada
- Leia o original ↗
- Fonte recuperada
- Commit de origem
fabc634a893f62ad5c2039830397efa35fa62715- Fonte SHA-256
c7aba4de75fa6595ffdaf5c50136786e8346aba0c9ff0261eaee656af4a3b0d9