这个 Skill 能做什么，适合哪些场景？
该技能面向 NVIDIA TAO OCRNet，用于从裁剪的文字区域图像中识别文字。它覆盖数据转换、训练、评估、推理、导出、剪枝、量化、剪枝后再训练及 TensorRT 部署流程，并支持 CTC 与注意力解码器。训练阶段默认启用 AutoML，但可按单次运行关闭。运行需要 Docker、nvidia-container-toolkit 和至少一块具有 8GB 以上显存的 NVIDIA GPU。
读取技能目录中的 schemas、spec 模板、部署参考文档和模型配置；指导用户准备裁剪文字图像、标注文件、字符列表及 LMDB 数据集；通过 TAO OCRNet 执行 dataset_convert、train、evaluate、inference、export、prune、quantize 和 retrain；根据父作业解析检查点和导出文件；为 TensorRT 引擎生成、TensorRT 评估和推理读取 tao-deploy-ocrnet.md；产出 LMDB 数据、模型检查点、ONNX 文件、剪枝后的 PTH 文件、校准缓存和 TensorRT 引擎等工件。
- 需要使用自有裁剪文字图像训练 OCRNet 场景文字识别模型的视觉工程师。
- 需要在 CTC 与注意力解码器之间选择并评估识别效果的模型开发者。
- 需要将训练好的 OCRNet 导出为 ONNX 并生成 TensorRT 引擎进行部署的工程团队。
- 需要对 OCRNet 进行剪枝、量化或基于剪枝结果再训练的模型优化人员。
- 需要对特定字符集进行训练、评估或推理，并管理对应字符列表的用户。
如何安装这个 Skill？
- 执行前应确认是否允许 W&B 等外部记录、数据上传或网络访问，并检查输入数据和加密密钥不会进入日志或远端服务。
- 必须核对 Docker、NVIDIA Container Toolkit、TAO/PyTorch/TensorRT 版本及缺失的 references 文件；静态材料不足以保证命令可运行。
- 文档未明确中国大陆网络可达性和中文字符集端到端验证；应单独验证字符列表、GT 文件及 BOM 处理。
- 训练、导出、剪枝和量化会写入模型与输出路径，执行前应确认路径、备份和恢复策略。
- Shell / 命令行
- 网络访问
- 本地文件系统
Dockernvidia-container-toolkitNVIDIA GPU with at least 8GB VRAM
使用 NVIDIA skills CLI 安装整个集合：npx skills add nvidia/skills。只安装此技能：npx skills add nvidia/skills --skill tao-train-ocrnet --yes。也可指定 Codex：npx skills add nvidia/skills --skill tao-train-ocrnet --agent codex --yes。安装后，在 Docker、nvidia-container-toolkit 和 NVIDIA GPU 环境中使用。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/tao-train-ocrnet" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 对裁剪文字图像执行 scene text recognition inference
安装后向代理提出明确任务，例如“train OCRNet”或“对裁剪文字图像执行 scene text recognition inference”。训练前准备裁剪图像、gt_new.txt、character_list，并按需先分别运行 train 和 validation 的 dataset_convert；随后提供生成的 LMDB 路径及其他数据源。若执行 TensorRT gen_trt_engine、TensorRT evaluate 或 TensorRT inference，先读取 references/tao-deploy-ocrnet.md。
这个 Skill 有哪些优点和局限？
- 覆盖 OCRNet 从数据转换到部署的完整模型生命周期。
- 同时支持 CTC 和注意力解码器。
- 提供检查点选择、父作业工件解析和多种数据源要求，减少路径猜测。
- 支持 AutoML，并允许按单次训练请求关闭。
- 明确依赖 Docker、nvidia-container-toolkit 和 NVIDIA GPU，最低显存要求为 8GB。
- 原始图像和标注文件不能直接替代 LMDB；使用原始数据时必须先执行 dataset_convert。
- 训练脚本面向单节点，多 GPU 通过 Lightning 管理；未提供显式 num_nodes 配置。
- 源材料没有展示该单项技能的独立测试结果或具体性能基准。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| TAO OCRNet 场景文字识别技能 本页 ✓ NVIDIA · 官方 | 48 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| TAO Sparse4D 训练技能 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| TAO 技能库能力发现 ✓ NVIDIA · 官方 | 48 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| TAO HuggingFace 模型集成助手 ✓ NVIDIA · 官方 | 51 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| Azure AI 服务技能 ✓ Microsoft · 官方 | 49 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
技能声明仅允许 Read 和 Bash，并明确需要 Docker 与 NVIDIA Container Toolkit；但 Bash、GPU、输出路径及默认启用 Weights & Biases 可能产生外部影响，未说明数据流、敏感数据处理、用户确认、隔离或回滚机制，因此扣分。未见恶意行为或明显越权红线。
文档提供了动作、输入、检查点选择、数据集要求、错误模式和确定性配置，支持较完整的静态主路径；但未提供覆盖关键路径的测试或 CI，依赖版本不明确，部署引用文件和若干生成资源未在给定材料中得到完整验证，因此扣分。
目标用户、OCRNet 场景、触发短语、输入数据格式和多种动作较清楚；但未声明充分的非适用边界、中文使用支持或中国大陆网络环境适配，且 Docker/GPU 前提限制了环境覆盖，因此扣分。
具有 front matter、版本、作者、许可证、分层说明、动作表、参数示例和错误模式；但缺少明确的维护责任与更新路径、变更日志、FAQ，基准报告还指出缺少推荐的 Instructions/Examples 区段、作者格式不规范以及目录结构问题；许可证元数据同时标为 NOASSERTION，因此扣分。
文档覆盖数据转换、训练、评估、推理、导出、剪枝、量化、重训练及部署，并给出可直接改写的配置示例，核心任务价值明确；但静态材料未验证输出可用性，且基准仅有一个任务并显示 Codex 正确性和有效性有限，因此扣分。
提供了固定修订上下文、动作配置、评估任务和有限 benchmark 报告，具备一定可审计性；但只有一个评估任务、无关键路径测试套件或 CI 证据，无法进行独立复现，因此扣分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →