Skill 多语言阅读指南

huggingface-vision-trainer用途、用法与原始来源

训练和微调用于目标检测的视觉模型（D-FINE、RT-DETR v2、DETR、YOLOS）、图像分类（timm 模型 — MobileNetV3MobileViT、ResNet、ViT/DINOv3（加上任何变形金刚分类器），以及SAM/SAM2使用 Hugging Face Jobs 云 GPU 上的 Hugging Face Transformer 进行人脸分割。涵盖 COCO 格式数据集准备、Albumentations 数据增强等内容。mAP/mAR评估、准确度指标、SAM分割bbox/point提示、DiceCE 损失、硬件选择、成本估算、Trackio 监控和 Hub 持久性。当用户提及训练目标检测、图像分类、SAM、SAM 时使用。2分割、图像抠图、DETR、D-FINE、RT-DETR、ViT、timm、MobileNet、ResNet、边界框模型，或在 Hugging Face Jobs 上微调视觉模型。

原文采集时间: 2026-10-29

来源仓库: huggingface/skills
SKILL.md: skills/huggingface-vision-trainer/SKILL.md
仓库 Star: 11,241
仓库最近更新: 2026/10/30
能力分类: 设计
最近采集时间: 2026-10-31 10:38 UTC+08:00

许可：Apache-2.0

原始 SKILL.md

流程片段用于帮助阅读上游说明。本页没有执行第三方 Skill，不属于实测评测。

下面的用途和操作片段来自上游文档，由本站整理并翻译，和另行标注的 Codez 编辑分析分开展示。

这个 Skill 能做什么

如何使用：上游操作流程

自动边界框预处理

目标检测训练脚本（scripts/object_detection_training.py自动处理边界框格式检测（xyxy→xywh 转换）、边界框清理，image_id生成、字符串类别到整数的重映射以及数据集截断。无需手动预处理——只需确保数据集包含objects.bbox和objects.category列。

原文片段 · L113 ↗

培训工作流程

复制此清单并跟踪进度：步骤1：核对先决条件请按照上方的先决条件清单进行操作。步骤2验证数据集

原文片段 · L117 ↗

快速入门——目标检测

这script_args以下内容适用于两种提交方式。请参阅指令#1它们之间存在的关键差异。

原文片段 · L365 ↗

原文片段 · bash ↗

uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train
uv run scripts/estimate_cost.py --help

环境与依赖

先决条件清单

在开始任何培训工作之前，请核实：

原文片段 · L35 ↗

数据集要求——目标检测

数据集必须存在于 Hub 上，注释必须使用objects列bbox，category（以及可选的）area子字段

原文片段 · L45 ↗

限制与结果检查

本次未从该文件选出独立的限制片段，不代表适用于所有输入或环境。请阅读完整原文，并自行验证实际结果。

开始使用前

先核对支持的 Agent 宿主和仓库安装说明。保留完整 Skill 目录及其引用的脚本、资源和文档，只复制 SKILL.md 可能漏掉依赖。
向 Agent 提供实际输入、期望输出和验收标准。调用方式与可用工具取决于宿主环境，本站不假定存在通用的安装命令。
先在临时项目或输入副本上试用。涉及修改文件、远程服务或计费资源的操作，应逐项核对后再授权。
按照原文检查项和自己的需求验证输出。成功触发或仓库 Star 较高，都不能证明结果正确。

Skill 文件与目录格式规范 ↗

继续阅读原始文档

翻译与介绍范围

本页从固定版本的上游 SKILL.md 整理用途与操作片段，译文使用辅助翻译。它不是完整手册，也不代表经过兼容性实测；使用前请核对原文及其引用文件。

介绍依据下方列出的固定版本；当前仓库动态和目录采集时间单独展示。

固定版本来源: 阅读原文 ↗
原文采集时间: 2026-10-29T09:32:23Z
来源提交版本: fabc634a893f62ad5c2039830397efa35fa62715
原文 SHA-256: c7aba4de75fa6595ffdaf5c50136786e8346aba0c9ff0261eaee656af4a3b0d9

返回完整 Skill 目录