# tao-run-automl-deft-pipeline

Скилл связывает три фазы обучения модели: подбор гиперпараметров, цикл DEFT и повторный AutoML на расширенном датасете.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1600 установок · ★ 3735
- Автор: NVIDIA Corporation
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-run-automl-deft-pipeline/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/tao-run-automl-deft-pipeline

## Что делает

Скилл не переписывает AutoML и DEFT заново. Он отвечает только за стыки: готовит спецификации для HPO, передаёт победившую спецификацию и чекпойнт из первой фазы во вторую, а после цикла DEFT запускает AutoML ещё раз на датасете с добавленными итерациями. Работу фаз он делегирует двум другим скиллам — `tao-run-automl` и DEFT-скиллу приложения (по умолчанию `tao-run-deft-aoi`).

Первая фаза ищет гиперпараметры на исходных данных, вторая прогоняет цикл RCA → SDG → mining → retrain, третья дообучает на объединённом CSV. Отдельного baseline-обучения во второй фазе нет: чекпойнт из первой фазы переиспользуется как baseline, поэтому его стоимость сидит внутри обучений первой фазы. Итоговый чекпойнт третьей фазы — то, что вы забираете, дообучения после него не будет.

Пайплайн последовательный, и это главное, что стоит взвесить до старта. Суммарное время складывается из трёх фаз, и на одной GPU первая и третья добавляют по несколько часов каждая. Нужны `docker` и `nvidia-container-toolkit`; сами воркфлоу объявляют дополнительные требования. Гейт у пайплайна один: агент собирает общий Pre-Flight Summary, вы его подтверждаете — дальше все три фазы идут без пауз.

## Требования
- Работает с: Docker

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-automl-deft-pipeline -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/tao-run-automl-deft-pipeline/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/tao-run-automl-deft-pipeline/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-automl-deft-pipeline -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/tao-run-automl-deft-pipeline/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-automl-deft-pipeline -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tao-run-automl-deft-pipeline/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills tao-run-automl-deft-pipeline
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tao-run-automl-deft-pipeline/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-automl-deft-pipeline -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/tao-run-automl-deft-pipeline
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/tao-run-automl-deft-pipeline/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-run-automl-deft-pipeline -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-run-automl-deft-pipeline/SKILL.md

## Когда брать
- прогнать AutoML, цикл DEFT и повторный AutoML одной цепочкой
- передать победившие гиперпараметры и чекпойнт из AutoML в DEFT
- дообучить модель на датасете, расширенном итерациями DEFT
- получить финальный чекпойнт без отдельного retrain после третьей фазы
- согласовать спецификации между двумя скиллами без ручной правки

## Примеры запросов агенту
- Запусти AOI workflow целиком: AutoML, потом DEFT, потом ещё раз AutoML
- Прогони AutoML + DEFT для моей модели AOI ChangeNet
- Настрой гиперпараметры, затем запусти DEFT с warm-start от лучшей спецификации

## Похожие
- [gpu-server-management](https://affpapa.org/nevibecode/skills/gpu-server-management.md) — скилл · 331 установка
- [docker-agent-run](https://affpapa.org/nevibecode/skills/docker-agent-run.md) — скилл · 746 установок
- [gitlab-cicd-pipeline](https://affpapa.org/nevibecode/skills/gitlab-cicd-pipeline.md) — скилл · 664 установки
- [debug-openshell-cluster](https://affpapa.org/nevibecode/skills/debug-openshell-cluster.md) — скилл · 474 установки
- [nemo-evaluator-sdk](https://affpapa.org/nevibecode/skills/nemo-evaluator-sdk.md) — скилл · 943 установки
- [runpod-usage](https://affpapa.org/nevibecode/skills/runpod-usage.md) — скилл · 12500 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 178 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md