Skill 多語言閱讀指南

huggingface-vision-trainer用途、用法與原始來源

訓練和微調用於目標偵測的視覺模型（D-FINE、RT-DETR v2、DETR、YOLOS）、影像分類（timm 模型 — MobileNetV3MobileViT、ResNet、ViT/DINOv3（加上任何變形金剛分類器），以及SAM/SAM2使用 Hugging Face Jobs 雲端 GPU 上的 Hugging Face Transformer 進行人臉分割。涵蓋 COCO 格式資料集準備、Albumentations 資料增強等內容。mAP/mAR評估、準確度指標、SAM分割bbox/point提示、DiceCE 損失、硬體選擇、成本估算、Trackio 監控和 Hub 持久性。當使用者提及訓練目標偵測、影像分類、SAM、SAM 時使用。2分割、影像摳圖、DETR、D-FINE、RT-DETR、ViT、timm、MobileNet、ResNet、邊界框模型，或在 Hugging Face Jobs 上微調視覺模型。

原文擷取時間: 2026-10-29

來源儲存庫: huggingface/skills
SKILL.md: skills/huggingface-vision-trainer/SKILL.md
儲存庫 Star: 11,241
儲存庫最近更新: 2026-10-30
能力分類: 設計
最近採集時間: 2026-10-31 10:38 UTC+08:00

授權：Apache-2.0

原始 SKILL.md

流程片段用來協助閱讀上游說明。本頁沒有執行第三方 Skill，不屬於實測評測。

下面的用途與操作片段來自上游文件，由本站整理並翻譯，和另行標示的 Codez 編輯分析分開呈現。

這個 Skill 能做什麼

如何使用：上游操作流程

自動邊界框預處理

目標偵測訓練腳本（scripts/object_detection_training.py自動處理邊界框格式偵測（xyxy→xywh 轉換）、邊界框清理，image_id生成、字串類別到整數的重映射以及資料集截斷。無需手動預處理——只需確保資料集包含objects.bbox和objects.category列。

原文片段 · L113 ↗

培訓工作流程

複製此清單並追蹤進度：步驟1：核對先決條件請依照上方的先決條件清單進行操作。步驟2驗證資料集

原文片段 · L117 ↗

快速入門——目標檢測

這script_args以下內容適用於兩種提交方式。請參閱指令#1它們之間存在的關鍵差異。

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

環境與相依需求

先決條件清單

在開始任何培訓工作之前，請先確認一下：

原文片段 · L35 ↗

資料集要求—目標偵測

資料集必須存在於 Hub 上，註釋必須使用objects列bbox，category（以及可選的）area子字段

原文片段 · L45 ↗

限制與結果檢查

本次未從該檔案選出獨立的限制片段，不代表適用於所有輸入或環境。請閱讀完整原文，並自行驗證實際結果。

開始使用前

先核對支援的 Agent 宿主和儲存庫安裝說明。保留完整 Skill 目錄及其引用的腳本、資源和文件，只複製 SKILL.md 可能遺漏相依需求。
向 Agent 提供實際輸入、預期輸出和驗收標準。呼叫方式與可用工具取決於宿主環境，本站不假定存在通用的安裝指令。
先在暫存專案或輸入副本上試用。涉及修改檔案、遠端服務或計費資源的操作，應逐項核對後再授權。
依照原文檢查項目和自己的需求驗證輸出。成功觸發或儲存庫 Star 較高，都不能證明結果正確。

Skill 檔案與目錄格式規範 ↗

繼續閱讀原始文件

翻譯與介紹範圍

本頁從固定版本的上游 SKILL.md 整理用途與操作片段，譯文使用輔助翻譯。它不是完整手冊，也不代表經過相容性實測；使用前請核對原文及其引用檔案。

介紹依據下方列出的固定版本；目前儲存庫動態和目錄擷取時間分開呈現。

固定版本來源: 閱讀原文 ↗
原文擷取時間: 2026-10-29T09:32:23Z
來源提交版本: fabc634a893f62ad5c2039830397efa35fa62715
原文 SHA-256: c7aba4de75fa6595ffdaf5c50136786e8346aba0c9ff0261eaee656af4a3b0d9

返回完整 Skill 目錄