Entraîne et affine des modèles de vision (détection d'objets, classification d'images, segmentation) avec Hugging Face Transformers sur Hugging Face Jobs.
Cette compétence permet d'entraîner et d'affiner des modèles de vision par ordinateur directement via Hugging Face Jobs. Elle prend en charge la détection d'objets avec des modèles modernes comme D-FINE, RT-DETR v2, DETR et YOLOS, la classification d'images avec des modèles timm (MobileNetV3, MobileViT, ResNet, ViT/DINOv3) et n'importe quel classifieur Transformers, ainsi que la segmentation avec SAM et SAM2. Elle est idéale pour les développeurs et les ingénieurs ML qui souhaitent automatiser l'entraînement de modèles de vision sans gérer manuellement l'infrastructure. La configuration se fait via des arguments en ligne de commande ou un fichier JSON, et l'exécution s'effectue sur Hugging Face Jobs, ce qui permet de gérer les ressources de calcul, la journalisation et la gestion des versions de manière intégrée.
npx skills add https://github.com/dhar174/DeskBuddy/tree/main/.agents/skills/hugging-face-vision-trainerEntraîne et affine des modèles de vision pour la détection d'objets (D-FINE, RT-DETR v2, DETR, YOLOS), la classification d'images (modèles timm — MobileNetV3, MobileViT, ResNet, ViT/DINOv3 — ainsi que tout classifieur Transformers) et la segmentation SAM/SAM2 en utilisant Hugging Face Transformers sur Hugging Face Jobs.
This repo contains 2 individual skills — each has its own dedicated page.
Harden Docker/container images and runtime deployments with secure base images, non-root users, CVE scanning, SBOM/signing, seccomp/AppArmor, and Kubernetes pod security controls. Use for Dockerfile security reviews, container CVEs, image scanning, distroless images, or production hardening.
Secure environment variable management ensuring secrets are never exposed in Claude sessions, terminals, logs, or git commits
ElevenLabs text-to-speech with mac-style say UX.
Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.
Capture and automate macOS UI with the Peekaboo CLI.
Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".
Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".