# tao-validate-recipe-transfer

Скилл tao-validate-recipe-transfer помогает портировать код и рецепты обучения из статей по компьютерному зрению на свои данные, находя скрытые ошибки метрик.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 4106 у репозитория
- Автор: NVIDIA Corporation
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/tao-validate-recipe-transfer/SKILL.md
- Обновлён: 2026-10-23
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/tao-validate-recipe-transfer

## Что делает

Скилл задаёт методологию работы с чужими репозиториями компьютерного зрения при их адаптации под пользовательские датасеты. Процесс разделяется на две ключевые стадии: сначала проверяется воспроизводимость оригинального чекпоинта и метрик статьи на исходном бенчмарке (Phase A), и только после успешного прохождения этого барьера запускается перенос пайплайна на целевые изображения (Phase B). Без совпадения базовых цифр любые расхождения в Phase B неотличимы от проблем с доменным сдвигом.

Инструмент поддерживает три режима: разбор неудачных прогонов (`Post-mortem`), сквозной перенос с нуля (`Forward`) и проверку готового пайплайна на утечки данных перед сдачей (`Audit`). Предусмотрена фаза предварительной оценки (Phase 0), где агент проверяет лицензии весов и кода, объём разметки и возможность обойтись готовыми zero-shot моделями вроде CLIP или Grounding DINO.

Вспомогательным скриптам требуются только Python 3, `numpy` и `Pillow`, а `render_status.py` использует стандартную библиотеку. Но для запуска самого обучения и валидации моделей понадобятся видеокарта NVIDIA, Docker и `nvidia-container-toolkit` из стека портируемого репозитория.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

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

### Cursor

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

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills skills/tao-validate-recipe-transfer
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tao-validate-recipe-transfer/SKILL.md`

### Gemini CLI

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

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/tao-validate-recipe-transfer
```

### Windsurf (Devin Desktop)

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

### 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-validate-recipe-transfer/SKILL.md

## Когда брать
- воспроизвести результаты научной статьи по компьютерному зрению на исходном бенчмарке
- проверить лицензии весов, бэкбонов и кода перед адаптацией чужого репозитория
- найти причину расхождения метрик на валидации и в продакшене после дообучения
- выявить зашитые константы и параметры аугментаций в коде авторов модели
- провести аудит пайплайна обучения на утечки данных перед деплоем

## Примеры запросов агенту
- Помоги перенести детектор из статьи на наш датасет с дефектами деталей через tao-validate-recipe-transfer
- Запусти аудит пайплайна обучения: модель показала подозрительно высокий mAP на валидации
- Разбери неудачный прогон: метрики упали после переноса чужого репозитория сегментации

## Похожие
- [pytorch-patterns](https://affpapa.org/nevibecode/skills/pytorch-patterns.md) — скилл · 6600 установок
- [validate-training-lifecycle](https://affpapa.org/nevibecode/skills/validate-training-lifecycle.md) — скилл · ★ 99 у репозитория
- [repo-intake-and-plan](https://affpapa.org/nevibecode/skills/repo-intake-and-plan.md) — скилл · 502400 установок
- [sam3-segmentation](https://affpapa.org/nevibecode/skills/sam3-segmentation.md) — скилл · ★ 147 у репозитория
- [nemo-evaluator-sdk](https://affpapa.org/nevibecode/skills/nemo-evaluator-sdk.md) — скилл · 1100 установок
- [ultralytics-dev](https://affpapa.org/nevibecode/plugins/ultralytics-dev.md) — плагин · ★ 1216 у репозитория

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 312 карточек

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