用途：用于图像的分类模型训练与部署。数据集类型为 image_classification，格式为 classification_pyt，监控指标为 val_acc_1。
主要能力：支持多种骨干网络，包括 FAN、GCViT、FasterViT、ViT/EVA/DINO、SigLIP-CLIPA 等，部分骨干需要非默认输入分辨率（384、512、768）。支持训练、蒸馏、评估、推理、量化、导出等动作，并可通过 TAO Deploy 生成 TensorRT 引擎。模型层已启用 AutoML：处理训练请求前需读取 references/skill_info.yaml，根据显式 automl_policy 或用户请求确定运行覆盖；默认策略为 auto，若 schemas/train.schema.json 与 references/spec_template_train.yaml 均存在，则训练应经由 tao-skill-bank:tao-run-automl 路由；用户说“关闭 AutoML”等则本次设为 off。非训练动作（评估、推理、导出、部署）仍在本技能内处理。
使用方式：每个动作都必须从数据源要求表构造数据源路径并写入 spec_overrides。例如 train 必填 dataset.train_dataset.images_dir、dataset.classes_file、dataset.val_dataset.images_dir；export 必填 dataset.root_dir；inference 必填 dataset.batch_size、dataset.val_dataset.images_dir、dataset.classes_file、dataset.test_dataset.images_dir；distill、evaluate、quantize 各有对应必填项，quantize 还需 dataset.quant_calibration_dataset.images_dir。关键参数：dataset.num_classes 默认 20，须与图像 tar 包子目录数一致；model.backbone.type 默认 fan_small_12_p4_hybrid；train.optim.lr 默认 6e-5；dataset.img_size 默认 224；dataset.batch_size 默认 8。多 GPU 由 Lightning 管理，支持 num_gpus、gpu_ids、num_nodes，策略为 ddp_find_unused_parameters_true，不支持 fsdp。
适用场景与限制：适合图像分类的训练与量化部署。硬件最低 1 张 GPU，推荐 2 张，每卡 16GB 以上显存（V100 或 A100）。常见错误包括 CUDA 显存不足、num_classes 不匹配、空类别目录。TensorRT 部署动作需先阅读 references/tao-deploy-image-classification.md，其模板位于本技能 references/ 目录，前缀为 spec_template_deploy_*.yaml。若打包的 train schema 或模板缺失，需报告 AutoML 已启用但暂不可运行。其余收费、价格等信息暂未提供。