Was macht hugging-face-vision-trainer?
Trainiert und feintuned Vision-Modelle für Objekterkennung (D-FINE, RT-DETR v2, DETR, YOLOS), Bildklassifikation (timm-Modelle – MobileNetV3, MobileViT, ResNet, ViT/DINOv3 – plus beliebige Transformers-Klassifikatoren) sowie SAM/SAM2-Segmentierung mit Hugging Face Transformers und Hugging Face Jobs.
Verwendung
Standardmäßig wird der Befehl hf-vision-train aufgerufen. Sie können auch direkt das Shell-Skript verwenden:
hf-vision-train --task detection --model D-FINE --dataset your-dataset --epochs 10
Unterstützte Aufgaben
| Aufgabe | Unterstützte Modelle |
|---|---|
| detection | D-FINE, RT-DETR v2, DETR, YOLOS |
| classification | timm-Modelle (MobileNetV3, MobileViT, ResNet, ViT/DINOv3) sowie beliebige Transformers-Klassifikatoren |
| segmentation | SAM, SAM2 |
Umgebungsvariablen
HF_TOKEN– Ihr Hugging Face-Token für authentifizierte API-Zugriffe.HF_JOB_NAME– (Optional) Name des Jobs auf Hugging Face Jobs.
Beispiele
Objekterkennung trainieren:
hf-vision-train \
--task detection \
--model D-FINE \
--dataset coco \
--epochs 50 \
--batch-size 16 \
--learning-rate 1e-4
Bildklassifikation feintunen:
hf-vision-train \
--task classification \
--model MobileNetV3 \
--dataset your-classification-dataset \
--epochs 20 \
--batch-size 32
Segmentierung mit SAM:
hf-vision-train \
--task segmentation \
--model SAM \
--dataset your-segmentation-dataset \
--epochs 30
Weitere Informationen
Weitere Details finden Sie in der offiziellen Dokumentation. Bei Fragen wenden Sie sich an das Repository.