# tao-train-optical-inspection

Скилл помогает обучать, оценивать и запускать модели TAO Optical Inspection для поиска дефектов на парах изображений. Пригодится для данных AOI и контроля качества.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1600 установок · ★ 3735
- Автор: NVIDIA Corporation
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-train-optical-inspection/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/tao-train-optical-inspection

## Что делает

Скилл работает с моделью Optical Inspection на сиамских сетях: сопоставляет изображения платы с эталонными и определяет дефектные компоненты. Он помогает обучать модель, оценивать её, запускать инференс и экспортировать модель. Для обучения по умолчанию используется AutoML, если доступны нужные схема и шаблон конфигурации; запрос на обучение без AutoML переключает его только для текущего запуска.

Для датасета нужны `images.tar.gz` и `dataset.csv` с колонками `input_path`, `golden_path`, `label` и `object_name`. Метка `PASS` в верхнем регистре означает отсутствие дефекта; любое другое непустое значение считается дефектом. Пути должны вести к каталогам изображений и эталонных компонентов. Проверьте формат CSV заранее: значение `pass` будет классифицировано как дефект.

Для работы нужны Docker и `nvidia-container-toolkit`. Генерация TensorRT-движка относится к TAO Deploy, а не к родительскому контейнеру PyT; перед такими действиями скилл использует отдельные инструкции развёртывания.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-train-optical-inspection -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/tao-train-optical-inspection/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/tao-train-optical-inspection/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-train-optical-inspection -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/tao-train-optical-inspection/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-train-optical-inspection -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tao-train-optical-inspection/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills tao-train-optical-inspection
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tao-train-optical-inspection/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-train-optical-inspection -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/tao-train-optical-inspection
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/tao-train-optical-inspection/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill tao-train-optical-inspection -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-train-optical-inspection/SKILL.md

## Когда брать
- обучить модель поиска дефектов на данных AOI
- сопоставить снимки компонентов с эталонными изображениями
- оценить модель на тестовом наборе
- запустить инференс для новых изображений
- подготовить модель к развёртыванию через TAO Deploy

## Примеры запросов агенту
- Обучи модель Optical Inspection на моих данных AOI с AutoML.
- Проверь `dataset.csv` и оцени модель на тестовых изображениях.
- Запусти инференс Optical Inspection для новых снимков платы.

## Похожие
- [find-skills](https://affpapa.org/nevibecode/skills/find-skills.md) — скилл · 4000000 установок
- [frontend-design](https://affpapa.org/nevibecode/skills/frontend-design.md) — скилл · 1025790 установок
- [grill-me](https://affpapa.org/nevibecode/skills/grill-me.md) — скилл · 1424476 установок
- [grill-with-docs](https://affpapa.org/nevibecode/skills/grill-with-docs.md) — скилл · 1219756 установок
- [improve-codebase-architecture](https://affpapa.org/nevibecode/skills/improve-codebase-architecture.md) — скилл · 1163035 установок
- [design-taste-frontend](https://affpapa.org/nevibecode/skills/design-taste-frontend.md) — скилл · 678700 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 195 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

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