Treinamento de Modelo de Visão em Hugging Face Jobs

Treine modelos de detecção de objetos, classificação de imagens e segmentação SAM/SAM2 em GPUs de nuvem gerenciadas. Nenhuma configuração de GPU local é necessária — os resultados são salvos automaticamente no Hugging Face Hub.

Guia Detalhado

Leia o guia detalhado antes de executar esta habilidade. Ele contém o procedimento completo e o material de referência. Trate seus requisitos de segurança, pré-requisitos e validação como obrigatórios. Para trabalho focado, carregue as seções relevantes; para trabalho de ponta a ponta, leia o guia completamente.

Quando Usar Esta Habilidade

Use esta habilidade quando os usuários quiserem:

• Ajustar modelos de detecção de objetos (D-FINE, RT-DETR v2, DETR, YOLOS) em GPUs de nuvem ou localmente
• Ajustar modelos de classificação de imagens (timm: MobileNetV3, MobileViT, ResNet, ViT/DINOv3, ou qualquer classificador Transformers) em GPUs de nuvem ou localmente
• Ajustar modelos SAM ou SAM2 para segmentação / matting de imagem usando prompts de bbox ou ponto
• Treinar detectores de bounding-box em conjuntos de dados personalizados
• Treinar classificadores de imagem em conjuntos de dados personalizados
• Treinar modelos de segmentação em conjuntos de dados de máscara personalizados com prompts
• Executar trabalhos de treinamento de visão na infraestrutura Hugging Face Jobs
• Garantir que os modelos de visão treinados sejam salvos permanentemente no Hub

Lista de Verificação de Pré-requisitos

Antes de iniciar qualquer trabalho de treinamento, verifique:

Conta e Autenticação

• Conta Hugging Face com plano Pro, Team ou Enterprise (Jobs requerem plano pago)
• Login autenticado: Verifique com hf_whoami() (ferramenta) ou hf auth whoami (terminal)
• O token tem permissões de escrita
• DEVE passar o token nos segredos do job — veja a diretiva #3 abaixo para a sintaxe (ferramenta MCP vs API Python)

Requisitos do Conjunto de Dados — Detecção de Objetos

• O conjunto de dados deve existir no Hub
• As anotações devem usar a coluna objects com os subcampos bbox, category (e opcionalmente area)
• Bboxes podem estar no formato xywh (COCO) ou xyxy (Pascal VOC) — detectados e convertidos automaticamente
• Categorias podem ser inteiros ou strings — strings são remapeadas automaticamente para IDs inteiros
• A coluna image_id é opcional — gerada automaticamente se ausente
• SEMPRE valide conjuntos de dados desconhecidos antes do treinamento em GPU (veja a seção Validação de Conjunto de Dados)

Requisitos do Conjunto de Dados — Classificação de Imagens

• O conjunto de dados deve existir no Hub
• Deve ter uma coluna image (imagens PIL) e uma coluna label (IDs de classe inteiros ou strings)
• A coluna de rótulo pode ser do tipo ClassLabel (com nomes) ou inteiros/strings simples — strings são remapeadas automaticamente
• Nomes de colunas comuns detectados automaticamente: label, labels, class, fine_label
• SEMPRE valide conjuntos de dados desconhecidos antes do treinamento em GPU (veja a seção Validação de Conjunto de Dados)

Requisitos do Conjunto de Dados — Segmentação SAM/SAM2

• O conjunto de dados deve existir no Hub
• Deve ter uma coluna image (imagens PIL) e uma coluna mask (máscara de segmentação ground-truth binária)
• Deve ter um prompt — seja:
  • Uma coluna prompt com JSON contendo {"bbox": [x0,y0,x1,y1]} ou {"point": [x,y]}
  • OU uma coluna dedicada bbox com valores [x0,y0,x1,y1]
  • OU uma coluna dedicada point com valores [x,y] ou [[x,y],...]
• Bboxes devem estar no formato xyxy (coordenadas de pixel absolutas)
• Exemplo de conjunto de dados: merve/MicroMat-mini (matting de imagem com prompts de bbox)
• SEMPRE valide conjuntos de dados desconhecidos antes do treinamento em GPU (veja a seção Validação de Conjunto de Dados)

Configurações Críticas

• O timeout deve exceder o tempo de treinamento esperado — O padrão de 30 minutos é MUITO CURTO. Veja a diretiva #6 para valores recomendados.
• O push para o Hub deve estar habilitado — push_to_hub=True, hub_model_id="username/model-name", token em secrets

Limitações

• Use esta habilidade apenas quando a tarefa corresponder claramente ao escopo do seu produto ou API upstream.
• Verifique comandos, comportamento da API, preços, cotas, credenciais e efeitos de implantação contra a documentação oficial atual antes de fazer alterações.
• Não trate exemplos gerados como substitutos para testes específicos do ambiente, revisão de segurança ou aprovação do usuário para ações destrutivas ou custosas.