スキル transformers
📦

transformers

コンテンツリビジョン r2 安全 ⚡ スクリプトを含む🌐 ネットワークアクセス⚙️ 外部コマンド

Hugging FaceでTransformerワークフローを構築

Transformerプロジェクトでは、モデル、トークナイザー、推論、生成、トレーニングを慎重に選択する必要があります。このスキルは、Hugging Faceワークフローを構築および最適化するための実践的なパターンを提供します。

対応: Claude Codex Code(CC)
📊 75 十分

自分のエージェントでインストール

このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。

エージェントリクエスト
Review the Skillstore skill "transformers" from https://skillstore.io/skills/davila7-transformers.md and its manifest at https://skillstore.io/api/skills/davila7-transformers/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。

エージェントが読めるリソース

AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。

Markdown詳細 GET /skills/davila7-transformers.md 署名済み manifest GET /api/skills/davila7-transformers/manifest 署名済み lockfile GET /api/skills/davila7-transformers/lockfile

テストする

「transformers」を使用しています。 製品レビュー向けの感情分類器を構築してください。

期待される結果:

  • 推奨アプローチ：モデル識別子を明示したtext-classificationパイプラインを使用します。
  • 準備：レビュー入力を正規化し、バッチ上限を定義して、元の識別子を保持します。
  • 検証：ラベルのマッピング、信頼度スコア、レイテンシ、分類が難しいサンプルを確認します。

「transformers」を使用しています。 5クラスのサポートチケットデータセット向けのファインチューニングを計画してください。

期待される結果:

  • ワークフロー：ラベル付きチケットをトークナイズし、トレーニング用と評価用に分割して、系列分類モデルを選択します。
  • トレーニング計画：クラスを考慮したメトリクス、チェックポイント、バッチサイズ、学習率、早期評価を定義します。
  • 提供：モデルとトークナイザーを一緒に保存し、ラベルの順序とテスト結果を文書化します。

「transformers」を使用しています。 長文生成時のメモリ使用量を削減してください。

期待される結果:

  • モデルアーキテクチャを変更する前に、バッチサイズと生成する長さを減らします。
  • ハードウェアが対応している場合は、サポートされている低精度演算、キャッシュ、メモリ効率の高いAttentionを使用します。
  • 過度な制限によって出力の完全性が損なわれる可能性があるため、変更するたびに出力品質を測定します。

セキュリティ監査

安全
v10 • 2026/7/23 バージョン別レポートを開く

All 36 static findings are false positives. The alerts identify Markdown formatting, ordinary Transformers API methods, token settings, documentation text, and benign example URLs rather than executable threats. No prompt injection or malicious intent was found.

6
スキャンされたファイル
2,273
解析済み行数
0
レビュー項目
0
誤検知を無視

リスク要因

⚡ スクリプトを含む (1)
references/models.md:215
🌐 ネットワークアクセス (2)
references/pipelines.md:298 SKILL.md:44
⚙️ 外部コマンド (27)
SKILL.md:16-18 SKILL.md:18-21 SKILL.md:21-23 SKILL.md:23-26 SKILL.md:26-28 SKILL.md:28-34 SKILL.md:34-37 SKILL.md:37-40 SKILL.md:40-42 SKILL.md:42-50 SKILL.md:50-64 SKILL.md:64-74 SKILL.md:74-82 SKILL.md:82-90 SKILL.md:90-98 SKILL.md:98-106 SKILL.md:106-112 SKILL.md:112-115 SKILL.md:115-119 SKILL.md:119-128 SKILL.md:128-132 SKILL.md:132-148 SKILL.md:148-153 SKILL.md:153-154 SKILL.md:154-155 SKILL.md:155-156 SKILL.md:156-157
最新の完了済み静的・セマンティック監査では、確認済みのセキュリティ検出事項は見つかりませんでした。これは、スキルに副作用がないことを証明するものではありません。
監査者: codex 監査履歴を表示 →
このレポートを共有・引用

バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。

バージョン別レポートを開く
セキュリティ評価

レポートリンクをコピー

https://skillstore.io/skills/davila7-transformers/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-transformers/security.svg)](https://skillstore.io/skills/davila7-transformers?utm_source=security_passport_badge)

HTMLバッジ

<a href="https://skillstore.io/skills/davila7-transformers?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-transformers/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

埋め込みカード

<iframe src="https://skillstore.io/embed/skills/davila7-transformers.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
学術引用 (APA · BibTeX · CFF)

APA形式の引用

davila7. (2026). transformers security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-transformers/audits/10

BibTeX形式の引用

@techreport{davila7-davila7-transformers-2026, author = {davila7}, title = {transformers security audit report (audit version 10)}, institution = {Skillstore}, year = {2026}, number = {10}, url = {https://skillstore.io/skills/davila7-transformers/audits/10}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "transformers security audit report (audit version 10)" version: "unspecified" type: report authors: - name: "davila7" date-released: "2026-07-23" url: "https://skillstore.io/skills/davila7-transformers/audits/10" identifiers: - type: other value: "skillstore:davila7-transformers:audit:10" description: "Skillstore immutable audit report identifier"

バリアントを比較

インストール可能なバリアント 2 件

各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。

このバリアントが首位の理由

Skillstore スコアが最高
davila7 推奨 現在

davila7-transformers

Skillstore スコア 75
証拠の信頼度 高
Skillstore 利用状況 10
更新済み

2026-09-09

K-Dense-AI

k-dense-ai-transformers

Skillstore スコア 68
証拠の信頼度 高
Skillstore 利用状況 10
更新済み

2026-09-09

Skillstore スコア

このスコアの理由 証拠の信頼度: 高
45
アーキテクチャ
85
保守性
87
コンテンツ
71
コミュニティ
83
仕様準拠

作成できるもの

NLP機能のプロトタイプを作成

分類、質問応答、要約、翻訳、生成のための目的に特化したパイプラインを作成します。

ドメインモデルをファインチューニング

カスタムデータセット向けに、前処理、メトリクス、トレーニング引数、評価、モデル保存を計画します。

Transformerの設定を比較

実験向けに、トークナイズ、デコード、精度、バッチ処理、デバイスの選択肢を評価します。

これらのプロンプトを試す

基本的な推論パイプラインを作成 
[model]を使用して[task]向けのHugging Faceパイプラインを作成してください。インストール、入力の準備、推論手順、読みやすい結果処理を含めてください。
モデルとトークナイザーを設定 
トークナイザー設定、デバイス配置、精度、パディング、切り詰め、エラー処理を明示して、[task]向けの[model]を読み込んでください。
ファインチューニングワークフローを設計 
[dataset schema]と[task]向けのTrainerワークフローを設計してください。前処理、メトリクス、データコレーター、チェックポイント、評価、保存を含めてください。
マルチモーダルシステムを最適化 
この[text, vision, audio, or multimodal]ワークフローをレビューしてください。パフォーマンス上の問題を診断し、バッチ処理、精度、メモリ、キャッシュ、検証に関する変更を推奨してください。

ベストプラクティス

  • ダウンロードする前に、モデル識別子を固定し、モデルカード、ライセンス、必要なカスタムコードを確認します。
  • まずパイプラインから始め、前処理やデバイスの制御が必要になったら、モデルとトークナイザーを明示的に使用します。
  • トレーニングや生成をスケールさせる前に、長さ、バッチサイズ、評価メトリクス、チェックポイントの上限を設定します。

回避

  • 機密性の高い認証情報にアクセスできる環境では、未確認のサードパーティ製モデルやデータセットを読み込まないでください。
  • デフォルトのモデルや必要なリソースは変更される可能性があるため、デフォルト設定を無条件に信頼しないでください。
  • 検証上の制限、メモリ計画、再現性の設定を用意せずに、ファインチューニングや生成を行わないでください。

よくある質問

このスキルはどのようなタスクに対応していますか？
テキスト、画像、音声、マルチモーダルタスクにわたるTransformerの推論、生成、トークナイズ、モデル管理、ファインチューニングを扱います。
このスキルはパッケージを自動的にインストールしますか？
インストールコマンドを提供します。実行すると環境が変更され、設定済みのパッケージソースからパッケージがダウンロードされます。
Hugging Faceトークンは必要ですか？
公開モデルの多くはトークンなしで使用できます。アクセス制限付きモデル、非公開モデル、アップロードのワークフローでは、適切なHugging Face認証情報が必要です。
GPUは必要ですか？
いいえ。多くのサンプルはCPUで実行できますが、大規模モデルやトレーニングには、大容量のメモリやアクセラレーターが必要になる場合があります。
カスタムデータでモデルをファインチューニングできますか？
はい。Trainerワークフロー、前処理、メトリクス、コレーター、コールバック、PEFT、チェックポイント、一般的なトレーニングオプションについて説明しています。
ダウンロードしたモデルやデータセットを検証しますか？
いいえ。使用前に、ソースの所有者、モデルカード、ライセンス、必要なカスタムコード、データの取り扱い、リポジトリへの変更を確認してください。

開発者情報

作成者

davila7

ライセンス

MIT

Skillstore リビジョン

r2

バージョンに関する注意

作者はバージョンを宣言していません。

リポジトリ

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/transformers

参照

c43861a65bb95efcae259cd161c9d6f4dc7eec6f

メンテナンスの新しさ

2026/7/25

利用状況

7 ダウンロード · 243 閲覧

ファイル構成

📁 references/

📄 generation.md

📄 models.md

📄 pipelines.md

📄 tokenizers.md

📄 training.md

📄 SKILL.md

davila7 のその他のスキル

すべて表示

関連スキル

すべて表示