# yolo-training

Скилл yolo-training диагностирует графики обучения YOLO26 и results.csv, объясняет переобучение и низкий mAP, подсказывает, какой параметр менять.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 1216 у репозитория
- Автор: Fatih C. Akyon
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/fcakyon/claude-codex-settings/tree/HEAD/plugins/ultralytics-dev/skills/yolo-training/SKILL.md
- Обновлён: 2026-10-24
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/yolo-training

## Что делает

Скилл разбирает `results.csv` и confusion matrix из тренировки YOLO26 (detect, segment, pose, obb, classify, depth) и определяет причину проблемы: недообучение, разрыв между train и val, слабая точность против слабой полноты, перекос по классам. Порядок действий задан по стоимости эксперимента, а не по ожидаемому эффекту: сначала эпохи и расписание, потом аугментации, веса лосса и learning rate, увеличение модели, разрешение и только в конце — данные и разметка.

Внутри лежит таблица «что видно на графике → что это значит» и список дефолтов, которые ломают сравнение запусков: `optimizer=auto` игнорирует `lr0`, если его явно не переключить на `AdamW` или `SGD`; `nbs=64` означает, что смена batch с 64 на 16 почти не меняет эффективный шаг; `close_mosaic=10` даёт скачок mAP под конец обучения, который легко спутать со сходимостью. Для детекции критерий best.pt — только mAP50-95, precision и recall на early stopping не влияют.

Скилл не включает инструментов анализа датасета — проверка качества разметки делается своим скриптом и просмотром изображений. Файл `references/diagnostics.md` расписывает причины и ручки для каждого паттерна на графиках, `references/task-notes.md` — специфику задач.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add fcakyon/claude-codex-settings
```
В чате агента (не в терминале):
```text
/plugin install ultralytics-dev@claude-settings
```
Команда ставит плагин ultralytics-dev целиком, со всеми его скиллами

2. **Через Skills CLI (Vercel)**
```bash
npx skills add fcakyon/claude-codex-settings --skill yolo-training -a claude-code
```

3. **Вручную: положить файлы**
- Файл: `~/.claude/skills/yolo-training/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/yolo-training/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add fcakyon/claude-codex-settings --skill yolo-training -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add fcakyon/claude-codex-settings --skill yolo-training -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install fcakyon/claude-codex-settings plugins/ultralytics-dev/skills/yolo-training
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/yolo-training/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add fcakyon/claude-codex-settings --skill yolo-training -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/fcakyon/claude-codex-settings --path plugins/ultralytics-dev/skills/yolo-training
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/yolo-training/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/fcakyon/claude-codex-settings/tree/HEAD/plugins/ultralytics-dev/skills/yolo-training/SKILL.md

## Когда брать
- разобрать results.csv и понять, на каком эпохе остановить обучение
- отличить переобучение от недообучения по кривым train/val
- понять, почему AP50 хороший, а AP50-95 плохой
- выбрать между сменой learning rate, аугментаций и размера модели
- объяснить скачок mAP под конец тренировки YOLO26

## Примеры запросов агенту
- Прочитай мой results.csv и скажи, почему mAP не растёт
- Почему train loss падает, а val loss растёт на YOLO26 pose
- Стоит ли мне брать модель побольше или менять аугментации

## Похожие
- [huawei-cloud-sac-yolo](https://affpapa.org/nevibecode/skills/huawei-cloud-sac-yolo.md) — скилл · 187 установок
- [Ultralytics Platform MCP](https://affpapa.org/nevibecode/mcp/ultralytics-platform-mcp.md) — MCP-сервер · ★ 10 у репозитория
- [scenario-model-training](https://affpapa.org/nevibecode/skills/scenario-model-training.md) — скилл · 929 установок
- [ml-model-training](https://affpapa.org/nevibecode/skills/secondsky-ml-model-training.md) — скилл · 484 установки
- [distributed-training-ray-train](https://affpapa.org/nevibecode/skills/distributed-training-ray-train.md) — скилл · 79 установок
- [computer-vision-pipeline](https://affpapa.org/nevibecode/skills/computer-vision-pipeline.md) — скилл · 288 установок

Из того же набора: [fcakyon/claude-codex-settings](https://affpapa.org/nevibecode/by/fcakyon/claude-codex-settings.md) — 113 карточек

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