Training & Fine-tuning

Entrainement et fine-tuning de modeles, MLOps, recherche scientifique.

281 skills

# Skill Source Description Maj
1 cuopt-install nvidia/skills Installer cuOpt via pip, conda ou Docker pour Python, C ou REST. 3 114 1j
2 tao-analyze-gaps-vlm-bcq nvidia/skills Analyser les prédictions d'un VLM pour identifier les faux positifs et négatifs. 3 114 1j
3 tao-finetune-clip nvidia/skills Entraîner, évaluer et déployer des modèles CLIP pour la classification et la recherche image-texte. 3 114 1j
4 tao-generate-image-grounding nvidia/skills Annoter des images avec expressions référentielles et bounding boxes via un VLM. 3 114 1j
5 tao-generate-referring-expressions nvidia/skills Générer des annotations d'expressions référentielles grondées à partir d'images KITTI via un VLM. 3 114 1j
6 tao-list-capabilities nvidia/skills Lister les capacités, modèles et support AutoML disponibles dans TAO Skill Bank. 3 114 1j
7 tao-run-automl-deft-pipeline nvidia/skills Chaîner AutoML et DEFT en trois phases pour optimiser et affiner un modèle itérativement. 3 114 1j
8 tao-run-automl nvidia/skills Automatiser l'optimisation d'hyperparamètres TAO sur toute plateforme GPU compatible. 3 114 1j
9 tao-train-action-recognition nvidia/skills Reconnaître des actions humaines dans des vidéos via flux RGB, optique ou combiné. 3 114 1j
10 tao-train-bevfusion nvidia/skills Fusionner LiDAR et caméras en espace BEV pour la détection 3D autonome. 3 114 1j
11 tao-train-centerpose nvidia/skills Estimer la pose 6-DoF d'objets via détection de centres et régression de points clés. 3 114 1j
12 tao-train-deformable-detr nvidia/skills Détecter des objets 2D efficacement avec Deformable DETR multi-échelle. 3 114 1j
13 tao-train-dino nvidia/skills Détecter des objets 2D avec DINO via entraînement AutoML et déploiement TensorRT. 3 114 1j
14 tao-train-grounding-dino nvidia/skills Détecter des objets dans des images via des descriptions textuelles sans vocabulaire de classes fixe. 3 114 1j
15 tao-train-image-classification nvidia/skills Entraîner et déployer des modèles de classification d'images PyTorch avec AutoML. 3 114 1j
16 tao-train-mask-auto-encoder nvidia/skills Pré-entraîner et affiner un Masked Autoencoder pour apprendre des représentations visuelles. 3 114 1j
17 tao-train-mask-auto-label nvidia/skills Générer des masques de segmentation à partir d'annotations minimales via ViT-MAE. 3 114 1j
18 tao-train-mask-grounding-dino nvidia/skills Segmenter des instances ouvertes guidées par prompts texte avec Grounding DINO masqué. 3 114 1j
19 tao-train-mask2former nvidia/skills Segmenter des images en mode panoptique, d'instance et sémantique avec Mask2Former. 3 114 1j
20 tao-train-metric-learning-recognition nvidia/skills Entraîner un modèle de reconnaissance visuelle fine par metric learning avec AutoML. 3 114 1j
21 tao-train-nvdinov2 nvidia/skills Entraîner des transformeurs visuels par auto-distillation sans étiquettes avec NVDINOv2. 3 114 1j
22 tao-train-nvpanoptix3d nvidia/skills Reconstruire une scène 3D panoptique en segmentation sémantique et d'instance depuis des images RGB. 3 114 1j
23 tao-train-ocdnet nvidia/skills Détecter des zones de texte orienté dans des images naturelles via binarisation différentiable. 3 114 1j
24 tao-train-ocrnet nvidia/skills Reconnaître et entraîner un modèle OCR sur des images de texte découpées. 3 114 1j
25 tao-train-oneformer nvidia/skills Segmenter des images universellement en combinant segmentation panoptique, sémantique et d'instances. 3 114 1j
26 tao-train-optical-inspection nvidia/skills Détecter des défauts de fabrication par comparaison d'images avec des réseaux siamois. 3 114 1j
27 tao-train-pointpillars nvidia/skills Détecter des objets 3D depuis des nuages de points LiDAR via PointPillars. 3 114 1j
28 tao-train-pose-classification nvidia/skills Classifier des séquences squelettiques en catégories d'actions via ST-GCN. 3 114 1j
29 tao-train-reid nvidia/skills Réidentifier des personnes à travers différentes caméras via des embeddings discriminants. 3 114 1j
30 tao-train-rtdetr nvidia/skills Entraîner et déployer un modèle de détection d'objets 2D en temps réel. 3 114 1j
31 tao-train-segformer nvidia/skills Segmenter des images sémantiquement avec SegFormer, un transformer léger hiérarchique. 3 114 1j
32 tao-train-single-step nvidia/skills Entraîner, évaluer et exporter un modèle TAO via fine-tuning supervisé standard. 3 114 1j
33 tao-train-sparse4d nvidia/skills Détecter et suivre des objets 3D multi-caméras avec attention temporelle déformable. 3 114 1j
34 nemo-mbridge-perf-sequence-packing nvidia/skills Configurer le packing de séquences pour le fine-tuning LLM et VLM avec Megatron. 3 114 2j
35 eval-engineering langchain-ai/langchain-skills Concevoir et construire des évaluations itératives pour agents IA avec Harbor. 1 178 6j
36 train-sentence-transformers huggingface/skills Entraîner des modèles sentence-transformers bi-encodeur, cross-encoder ou SPLADE selon le cas d'usage. 10 965 8j
37 nemo-mbridge-perf-activation-recompute nvidia/skills Réduire la mémoire GPU en recompilant les activations selon différentes granularités configurables. 3 114 9j
38 warp-debug-gradients nvidia/skills Diagnostiquer et corriger les bugs de gradients dans les pipelines Warp avec autodiff. 3 114 13j
39 warp-eval nvidia/skills Évaluer rigoureusement un seam de code existant avec NVIDIA Warp et produire un rapport factuel. 3 114 13j
40 deepstream-run-mv3dt nvidia/skills Déployer et opérer l'application DeepStream Multi-View 3D Tracking multi-caméras. 3 114 14j
41 nemo-mbridge-perf-expert-parallel-overlap nvidia/skills Masquer la latence de communication all-to-all dans les modèles MoE via le chevauchement calcul/dispatch. 3 114 16j
42 nemo-mbridge-perf-moe-comm-overlap nvidia/skills Activer le chevauchement des communications MoE pour optimiser le débit en entraînement distribué. 3 114 16j
43 nemo-mbridge-perf-moe-optimization-workflow nvidia/skills Optimiser l'entraînement de modèles MoE en gérant mémoire, communication et calcul. 3 114 16j
44 nemo-mbridge-recipe-recommender nvidia/skills Indexer les recettes d'entraînement et recommander la configuration optimale pour LLM. 3 114 16j
45 cuopt-numerical-optimization-api nvidia/skills Modéliser et résoudre des problèmes LP, MILP et QP via l'API GPU NVIDIA cuOpt. 3 114 19j
46 physicsnemo-shard-tensor nvidia/skills Distribuer les tenseurs spatiaux sur plusieurs GPU avec sharding inégal pour la physique. 3 114 20j
47 trl-training huggingface/skills Affiner et aligner des LLMs via SFT, DPO, GRPO, RLOO ou reward modeling. 10 965 23j
48 nemo-automodel-distributed-training nvidia/skills Configurer l'entraînement distribué PyTorch avec stratégies FSDP2, MegatronFSDP ou DDP. 3 114 25j
49 nemo-automodel-model-onboarding nvidia/skills Intégrer de nouvelles architectures de modèles IA dans NeMo AutoModel. 3 114 25j
50 cupynumeric-migration-readiness nvidia/skills Évaluer la compatibilité du code NumPy avec cuPyNumeric avant toute migration GPU. 3 114 26j

À propos de cette sélection

Quand un modèle de base commence à produire des réponses trop génériques pour rester crédibles en production, le travail sérieux commence. Cette section s'adresse aux ingénieurs ML et aux équipes qui adaptent, évaluent et débogent des modèles en conditions réelles : affiner un LLM sur un corpus métier avec Hugging Face, tracer des expériences d'entraînement bout en bout, ou remonter un bug de compilation dans le runtime PyTorch avant qu'il bloque un pipeline entier. Les skills training & fine-tuning couvrent un spectre plus large que le seul fine-tuning supervisé. On y trouve des outils d'annotation, de benchmarking, de kernels custom côté NVIDIA, et quelques skills orientés recherche reproductible. L'outillage reste majoritairement Python, avec une densité forte autour des frameworks majeurs. Certains cas avancés demandent encore de composer plusieurs skills ensemble, mais la base est solide.