AIKraft/AI/Войти
AIKraft/Skills/TAO обучение классификации изображений

TAO обучение классификации изображений

PyTorch-based TAO image classification. Supports a wide range of backbones (FAN, EfficientNet, ResNet, etc.) with distillation and quantization for deployment. Use when training, evaluating, distilling, quantizing, exporting, or running inference for a TAO image-classification (PyT) model. Trigger phrases include

nvidia official Дизайн

Что делает навык

Навык обеспечивает обучение, оценку, дистилляцию, квантование, экспорт и инференс моделей классификации изображений на PyTorch с использованием широкого спектра бэкбонов (FAN, EfficientNet, ResNet и др.). Он поддерживает развертывание через TAO Deploy TensorRT и интегрируется с AutoML для автоматической настройки гиперпараметров.

Когда применять

  • Обучение модели классификации изображений с использованием предварительно обученных весов бэкбонов или полных моделей.
  • Проведение дистилляции знаний и квантования моделей для оптимизации их под развертывание.
  • Генерация движков TensorRT, оценка и выполнение инференса с помощью TAO Deploy.
  • Автоматический поиск гиперпараметров (AutoML) при обучении модели по умолчанию.
  • Экспорт обученных моделей в форматы, пригодные для дальнейшего использования.

Как работает

  1. Проверить инициализацию сессии; если она не была выполнена плагином TAO skill bank, запустить навык tao-setup.
  2. Прочитать references/skill_info.yaml для определения статуса AutoML и разрешить переопределение политики запуска (automl_policy).
  3. При запросе обучения: если automl_policy включен и доступны схемы, направить действие через tao-skill-bank:tao-run-automl; иначе выполнить прямое обучение.
  4. Настроить пути к весам бэкбонов (model.backbone.pretrained_backbone_path) или полным моделям (train.pretrained_model_path).
  5. Для действий развертывания (генерация TensorRT, оценка, инференс) предварительно прочитать references/tao-deploy-image-classification.md.
  6. Использовать сгенерированные схемы из schemas/<action>.schema.json и шаблоны из references/spec_template_<action>.yaml для валидации параметров.

Примеры запросов агенту

Обучи модель классификации изображений на базе ResNet с включенным AutoML.
Выполни дистилляцию и квантование модели EfficientNet для последующего развертывания.
Сгенерируй движок TensorRT для модели image-classification и проведи инференс.

Что понадобится

  • Инициализация сессии через навык tao-setup (preflight, credentials, cross-skill discovery).
  • Наличие сгенерированных схем schemas/<action>.schema.json и шаблонов references/spec_template_<action>.yaml.
  • Наличие файлов справки references/tao-deploy-image-classification.md для действий TAO Deploy.

Описание составлено по SKILL.md навыка, сверено 05.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «tao-train-image-classification» из репозитория: # https://github.com/nvidia/skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r tao-train-image-classification/ ~/.claude/skills/tao-train-image-classification/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.