# tao-train-pointpillars

Обучает и прогоняет PointPillars из NVIDIA TAO: 3D-детекция объектов по лидарным облакам точек через столбцовое кодирование в псевдоизображение.

- 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-pointpillars/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/tao-train-pointpillars

## Что делает

Скилл ведёт агента по всему циклу работы с моделью PointPillars из TAO: конвертация датасета, обучение, оценка, инференс, экспорт и прунинг. Внутри есть схемы действий (`schemas/<action>.schema.json`), заготовки спеков (`references/spec_template_<action>.yaml`) и отдельный файл под TensorRT-развёртывание (`references/tao-deploy-pointpillars.md`). Отдельной команды `retrain` нет: дообучение обрезанной модели идёт через `pointpillars train` с заполненным `train.pruned_model_path`.

Для запуска нужны Docker и nvidia-container-toolkit. Сырые данные должны лежать распакованными в одну папку с подкаталогами `train/lidar`, `train/label`, `val/lidar` и `val/label` — иначе `dataset_convert` не отработает. Пути к данным агент обязан прописывать в `spec_overrides` для каждого действия, это не опция.

Обучение по умолчанию идёт через AutoML: метрика подбора — `loss` на эпоху, минимизируется. Хотите обычный прогон без подбора гиперпараметров — скажите агенту выключить AutoML, иначе он маршрутизирует задачу в `tao-skill-bank:tao-run-automl`. Если сессия не поднята плагином TAO skill bank, сначала нужен скилл `tao-setup`.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

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

### Cursor

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

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

### GitHub Copilot

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

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

### Gemini CLI

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

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

### Windsurf (Devin Desktop)

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

### OpenCode

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

## Когда брать
- обучить детектор 3D-объектов на лидарных облаках точек
- собрать `data_info` из сырых `lidar` и `label` через `dataset_convert`
- оценить модель по `bev mAP` и `3d mAP` на валидации
- обрезать обученную модель и дообучить её с `train.pruned_model_path`
- сгенерировать TensorRT-движок для развёртывания

## Примеры запросов агенту
- Обучи PointPillars на данных из `s3://bucket/data/pointpillars`, 30 эпох, одна GPU
- Запусти `dataset_convert` для папки с `train/lidar` и `val/lidar`
- Выключи AutoML и обучи модель напрямую по спеке

## Похожие
- [skill-creator](https://affpapa.org/nevibecode/skills/skill-creator.md) — скилл · 414180 установок
- [writing-for-agents](https://affpapa.org/nevibecode/skills/writing-for-agents.md) — скилл · 466719 установок
- [media-use](https://affpapa.org/nevibecode/skills/media-use.md) — скилл · 1100000 установок
- [mcp-builder](https://affpapa.org/nevibecode/skills/mcp-builder.md) — скилл · 130949 установок
- [subagent-driven-development](https://affpapa.org/nevibecode/skills/subagent-driven-development.md) — скилл · 237746 установок
- [orchestration](https://affpapa.org/nevibecode/skills/orchestration.md) — скилл · 349800 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