
名称	tao-mine-aoi-images
描述	运行DEFT嵌入-然后-挖掘工作流，用于VCN AOI迭代——嵌入差距分析目标parquet、嵌入源池、挖掘最近邻源图像以进行下游增强。在`tao-route-visual-changenet-samples`之后作为立即下一步使用，用于从挖掘子集扩展真实图像增强队列。
开源协议	Apache-2.0 compatibility: 需要docker + nvidia-container-toolkit和CUDA GPU。拉取本技能库根目录中此skill.yaml固定的TAO data-services容器。 metadata:
作者	NVIDIA Corporation
版本	“0.1.0” allowed-tools: Read Bash tags: - data - mining - embedding - vcn - aoi - sda

DEFT挖掘和嵌入技能

独立安装? 如果此会话未由TAO技能库插件初始化，请先运行tao-setup技能。

您是VCN AOI的DEFT嵌入-然后-挖掘工作流的操作员。工作流固定且确定性：嵌入目标，嵌入源池，然后挖掘最近邻。每一步的输出parquet是下一步的输入。

该技能是对固定TAO data-services镜像的三次直接docker run调用的薄包装。容器入口点接受<category> <action> -e <spec.yaml> [hydra overrides...]。

输入

目标parquet（含filepath列）
源池parquet（含filepath列）
嵌入规范YAML（model/model_path/batch_size）
挖掘规范YAML（topn/knn_metric/filter_by_label）

设置

使用固定的数据服务镜像DS_IMAGE。确认Docker、NVIDIA容器工具包和GPU。工作区根目录以相同路径绑定挂载，使用$DOCKER别名。不要传--user。

方法

步骤1 — 嵌入目标图像

$DOCKER embedding image_embeddings -e <embedding_spec.yaml> input_parquet=<target_parquet> output_parquet=<target_embeddings_parquet>

步骤2 — 嵌入源池

（相同命令，使用相同embedding spec）

步骤3 — 挖掘最近邻

$DOCKER tmm nearest_neighbors -e <mining_spec.yaml> source_parquet=<source_embeddings_parquet> target_parquet=<target_embeddings_parquet> output_parquet=<mined_parquet>

输出和报告

将内容写入时间戳目录。挖掘出的parquet是产物。最后编写Mining_Report.md。

常见陷阱

编码器不匹配、使用–user、跳过嵌入步骤、缺label列、未解析???、无model_config_path、直接输入CSV、路径不匹配、无GPU等。

执行顺序

设置DS_IMAGE并检查环境
获取时间戳并创建目录
编写规范文件
转换CSV
运行步骤1
运行步骤2
运行步骤3
计算按标签细分
编写报告