huggingface/pytorch-image-models

これは何？

主な機能

• 01ResNet、EfficientNet、ViT、Swin、ConvNeXt、MobileNetなど、数百種類の画像アーキテクチャを収録。多くのモデルで事前学習済み重みを利用できます。
• 02共通のファクトリ関数を通じて、対応するモデルを名前で指定して生成できます。
• 03AdamWの各種バリアント、Lion、Muonなどの組み込みオプティマイザーと学習率スケジューラーを搭載。
• 04RandAugment、AugMix、Mixup、CutMixなどのデータ拡張に対応。
• 05分散マルチGPUに対応した、学習・検証・推論用のリファレンススクリプトを提供。
• 06分類器の差し替えやマルチスケール特徴マップの抽出に使える、一貫したAPIを提供。

ユースケース

• 事前学習済みViTやConvNeXtを、独自の画像分類データセットでファインチューニングする。
• バックボーンを、物体検出やセグメンテーションのパイプラインで特徴抽出器として利用する。
• 同じ学習・評価設定で異なるアーキテクチャをベンチマークする。
• ImageNetの学習結果を再現したり、デプロイ用にモデルをエクスポートしたりする。

クイックスタート

1. 1

   PyPIからライブラリをインストールする

   pip install timm
2. 2

   事前学習済みモデルを作成し、READMEのクイックサンプルで推論を実行する

使う前に知っておきたいこと

• !実行するには、PyTorchを別途インストールする必要があります。
• !一部のモデルバリアントと重みは、最近のバージョンのPyTorchに依存します。

トピック

よくある質問

pytorch-image-models とは？

コンピュータビジョン向けに、画像モデルのアーキテクチャ、事前学習済み重み、学習・検証・エクスポート用スクリプトを提供するPyTorchライブラリ。 PyTorch Image Models（timm）は、ResNet、EfficientNet、Vision Transformer（ViT）、Swin Transformer、ConvNeXt、MobileNetの各種モデルなど、多数の画像エンコーダーとバックボーンを集めたPythonライブラリです。多くのモデルで事前学習済み重みを利用できます。共通のファクトリを通じてモデル名を指定して生成できるため、同じコードでResNetやViTを読み込み、分類や特徴抽出に使えます。

pytorch-image-models は無料で使えますか？ライセンスは？

pytorch-image-models は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

pytorch-image-models は今もメンテナンスされていますか？

活発にメンテナンス中。pytorch-image-models の最終コミットは 2026年10月20日 です。

pytorch-image-models は何に使えますか？

事前学習済みViTやConvNeXtを、独自の画像分類データセットでファインチューニングする。 バックボーンを、物体検出やセグメンテーションのパイプラインで特徴抽出器として利用する。 同じ学習・評価設定で異なるアーキテクチャをベンチマークする。 ImageNetの学習結果を再現したり、デプロイ用にモデルをエクスポートしたりする。

pytorch-image-models のインストール方法は？

PyPIからライブラリをインストールする: pip install timm 事前学習済みモデルを作成し、READMEのクイックサンプルで推論を実行する

pytorch-image-models はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/huggingface/pytorch-image-models