用途：该技能用于在 Hugging Face Jobs 托管云 GPU 上训练和微调视觉模型，无需本地 GPU 环境，训练结果自动保存到 Hugging Face Hub。支持三类任务：目标检测（D-FINE、RT-DETR v2、DETR、YOLOS）、图像分类（timm 模型，如 MobileNetV3、MobileViT、ResNet、ViT/DINOv3 及任意 Transformers 分类器）、SAM/SAM2 分割与图像抠图（使用 bbox 或点提示）。
主要能力：提供数据集检查脚本 dataset_inspector.py，可在消耗 GPU 前验证数据格式；目标检测训练脚本自动处理 bbox 格式检测（xyxy 转 xywh）、bbox 清洗、image_id 生成、字符串类别转整数 ID 及数据集截断；支持通过 Trackio 监控训练，仪表盘位于 https://huggingface.co/spaces/{username}/trackio。
使用方式：脚本使用 PEP 723 内联依赖，通过 uv run 执行，例如 uv run scripts/dataset_inspector.py --dataset username/dataset-name --split train。训练脚本包括 scripts/object_detection_training.py、scripts/image_classification_training.py、scripts/sam_segmentation_training.py，均使用 HfArgumentParser，配置通过 script_args 传入。提交任务可用 hf_jobs MCP 工具或 HfApi().run_uv_job()，需在 secrets 中传入 HF_TOKEN，并设置 push_to_hub、hub_model_id 等参数。
适用场景：在自定义数据集上训练边界框检测器、图像分类器或带提示的分割模型；需要云端 GPU 且希望模型永久保存到 Hub 的场景。
限制：Jobs 需要 Hugging Face Pro、Team 或 Enterprise 付费计划；数据集必须已存在于 Hub 并符合各任务的列要求；默认 30 分钟超时过短，目标检测建议至少 2-4 小时；SAM2 默认仅训练 mask decoder，视觉与提示编码器冻结。具体价格与更多细节以官方资料为准。