Skills
エージェント向けにパッケージ化された専門スキルと手順を 97,222 件掲載。コマンド 1 行でインストールできます。
すべて
NGC PyTorch コンテナ内のローカル NVIDIA GPU で任意の HuggingFace CV / VLM / LLM モデルをファインチューニングする。ユーザーが HuggingFace モデルのファインチューニング（フルまたは LoRA）、ビジョン / VLM / LLM モデルのエンドツーエンドトレーニング、再現可能な HF トレーニングパイプラインの生成、スケールアップ前のローカルでの HuggingFace モデルのスモークテスト、モデルカード付きでファインチューニング済みモデルを HF Hub へプッシュ、または既存の HuggingFace ファインチューニング向けの自己完結型再実行スキルの出力を望むときに使用する。画像分類、物体検出、セマンティック / インスタンス / パノプティックセグメンテーション、深度推定、画像-テキスト-to-テキスト VLM（SFT / LoRA）、LLM の SFT / DPO / GRPO をサポートする。6 ステップのワークフロー：検査と適格性判定、ハードウェアと NGC イメージ、調査、生成とスモーク、トレーニング + 評価 + 推論、プッシュと再実行スキルの出力。
生動画を VLM/LLM の蒸留によって思考連鎖の学習データに変換する、複数段階の動画アノテーションパイプラインです。複数レベルのキャプション、構造化された説明、推論トレース付きの QA ペア（MCQ、二択、自由回答）を生成します。ユーザーが「動画学習データを作成」「動画 QA データセットを生成」「動画から CoT 推論トレースを構築」「動画を自動ラベル付け」したい場合や、video_reasoning_annotation パイプラインを実行する場合に使用します。トリガーには「video annotation」「video CoT」「video QA」「chain-of-thought」「video captioning pipeline」「video distillation」などがあります。
HuggingFace のコンピュータービジョンモデルを NVIDIA TAO Toolkit エコシステム（tao-core 設定、tao-pytorch トレーナー、tao-deploy TensorRT パイプライン）に統合します。ユーザーが「HuggingFace モデルを TAO に統合」「HF モデルを TAO Toolkit に追加」「HuggingFace ViT/DETR/ SegFormer を tao-pytorch に接続」「HF CV モデル用の TAO トレーナーとデプロイパイプラインを構築」と依頼した場合や、HuggingFace モデルの URL/ID を提示して TAO モデル化を希望した場合に使用します。前提条件の確認、HuggingFace の調査と検証、コードベースの調査、tao-core の設定とネイティブトレーナーの実装、ONNX エクスポートと TensorRT デプロイの統合、パッケージ化と L0 テスト、コンテナベースのエンドツーエンド検証、（条件に応じた）精度・レイテンシの調整という全 7 フェーズを扱います。分類、物体検出、セマンティック／インスタンス／パノプティックセグメンテーション、ゼロショット検出、深度推定に対応します。
正規の NVIDIA AOI 三フェーズトレーニングパイプラインを実行する — フェーズ 1 AutoML ベースライン（HPO）、フェーズ 2 DEFT ループ（RCA → SDG → マイニング → plain-train 再トレーニング）、フェーズ 3 DEFT 拡張データセットでの AutoML リファインメント。これは「AOI ワークフローを実行」「PCB AOI モデルをエンドツーエンドでファインチューニング」「AOI ChangeNet モデルを改善」「AutoML を使った AOI ワークフロー」といったあらゆるリクエストのデフォルトのエントリポイントである — ユーザーが DEFT ループのみを明示的に要求した場合（例：「DEFT ループだけを実行」「AutoML をスキップして DEFT のみ」）を除き、tao-run-deft-aoi を直接使うのではなくここにルーティングする。非 AOI の DEFT アプリケーションでも同じ三フェーズパターンを処理する — AutoML ベースライン、次に AutoML の勝ち超パラメータからウォームスタートした DEFT ループ、その後イテレーション拡張データセットでの DEFT 後の AutoML リファインメント。トリガーフレーズには「AOI ワークフローを実行」「AOI エンドツーエンド」「AutoML + DEFT」「AutoML の後に DEFT」「ハイパーパラメータをチューニングしてから DEFT」「両端に AutoML を備えた DEFT」「DEFT をウォームスタート」「AOI モデルを改善」が含まれる。
NVIDIA TAO VisualChangeNet / ChangeNet PCB 検査モデル向けの完全な DEFT AOI 改善ループを実行する。ベースライン評価、RCA、顧客提供の事前生成済み AnomalyGen 画像の取り込み、k-NN マイニング、再トレーニング、および FAR / recall KPI 目標を満たすまでのデプロイゲーティングを行う。EA バリアント — AnomalyGen をインラインで実行せず、顧客が合成 NG/OK ペアを帯域外で事前生成し、ループがそれらを取り込む。"run the DEFT loop"、"fine-tune until FAR below 0.1% at recall=100%"、"improve my AOI ChangeNet model with RCA and pre-generated synthetic defects" などのプロンプトに使用し、単体の TAO トレーニング、単発の推論、汎用的な異常生成、RCA のみの分析には使用しない。
コンテナの実行を適切なプラットフォームスキルに委任し、ネットワーク固有の TAO 推論マイクロサービス（{network_arch}-inference-microservice）の起動、照会、停止を行います。コンテナイメージの解決、ジョブペイロード JSON の構築、サービスレジストリを処理します。マイクロサービスコンテナを使用して TAO モデルチェックポイントで推論を実行する、TAO 推論エンドポイントをデプロイする、または実行中の推論コンテナを停止する場合に使用します。
TAO GPU バックエンドのホストセットアップ。NVIDIA ドライバーブランチ 580、CUDA Toolkit 13.0、NVIDIA Container Toolkit 1.19.0 を確認し、ユーザーの承認後に Docker/ローカル Docker および Kubernetes GPU ワーカーホストへインストールする。`--check-only` パスは任意の Linux ディストリビューションで動作し、`--install` は debian 系（Ubuntu/Debian/Pop!_OS/Mint/Zorin/Raspbian）、rhel 系（Fedora/RHEL/Rocky/AlmaLinux）、suse 系（openSUSE/SLES）のホストを自動化し、それ以外には実行可能な手動インストール手順を表示する。
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。