用途：该技能用于在 Hugging Face Jobs 托管的云 GPU 上训练和微调视觉模型，涵盖目标检测、图像分类与 SAM/SAM2 分割/抠图，无需本地 GPU 环境，训练完成后结果自动保存到 Hugging Face Hub。适用场景包括在云端或本地微调检测模型（D-FINE、RT-DETR v2、DETR、YOLOS）、分类模型（timm：MobileNetV3、MobileViT、ResNet、ViT/DINOv3 等）以及用 bbox 或点提示微调 SAM/SAM2 分割模型，也支持在自定义数据集上训练检测器、分类器和分割模型。
前置条件：需要 Hugging Face 账号且为 Pro、Team 或 Enterprise 付费计划；已完成登录并能提供具有写权限的 token；token 必须通过 job secrets 传入。数据集需位于 Hub 上：检测数据集使用 objects 列并含 bbox、category（可选 area）子字段，bbox 支持 xywh 或 xyxy 并自动转换；分类数据集需有 image 列和 label 列；SAM/SAM2 数据集需有 image、mask 列及提示（prompt、bbox 或 point 列）。
使用方式：训练脚本使用 PEP 723 内联依赖，可用 uv run 执行辅助脚本，例如：uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train。开工前建议先运行数据集检查器验证格式。提交任务可使用 hf_jobs MCP 工具或 HfApi().run_uv_job()，配置通过 script_args 传入。检测脚本须带 --no_remove_unused_columns、--no_eval_do_concat_batches、--push_to_hub、--metric_for_best_model eval_map、--greater_is_better True 等参数；分类脚本需 --metric_for_best_model eval_accuracy；SAM 脚本需 --prompt_type bbox 或 point 等。
限制与注意事项：默认 30 分钟超时过短，建议至少 2–4 小时并按场景增加 30% 缓冲；必须启用 push_to_hub 以免临时环境丢失结果；token 注入须在创建 Trainer 之前完成；JobInfo 的作业标识使用 .id 属性；除官方默认数据集 cppe-5 外，未知数据集务必先做格式验证。具体硬件规格、价格与模型效果以实际资料和平台为准，本文未提供更多细节。