用途：在云 GPU 或本地微调视觉模型。目标检测支持 D-FINE、RT-DETR v2、DETR、YOLOS；图像分类用 timm（MobileNetV3、MobileViT、ResNet、ViT/DINOv3）或任意 Transformers 分类器；分割支持 SAM、SAM2，用 bbox 或点提示做分割与抠图。
数据要求：检测数据集需在 Hub 上，标注用 objects 列，含 bbox 与 category，bbox 支持 xywh 或 xyxy 自动识别，类别字符串自动映射为整数 ID。分类数据集需有 image 列与 label 列，标签支持 ClassLabel 或整型/字符串。分割数据集需 image 列、二值 mask 列，以及 prompt 列（JSON 含 bbox 或 point）、独立 bbox 列或 point 列，bbox 用 xyxy 绝对像素。示例数据集：merve/MicroMat-mini。未知数据集训练前务必先校验。
前提与用法：需 Hugging Face 账号为 Pro、Team 或 Enterprise（Jobs 需付费计划）；用 hf_whoami() 或 hf auth whoami 检查登录；token 需写权限，并通过 job secrets 传入。启用推送需 push_to_hub=True、hub_model_id、token 放 secrets。超时时间必须大于预期训练时长，默认 30 分钟过短。执行前应阅读详细指南，其安全、前置与校验要求视为强制。
限制：仅限与上游产品/API 范围匹配的任务；命令、API、价格、配额、凭证与部署效果须以官方文档为准；生成示例不能替代环境测试、安全审查及对破坏性或高成本操作的用户确认。素材未提供具体命令与价格。