huggingface/pytorch-image-models

Что это?

Ключевые возможности

• 01Сотни архитектур для обработки изображений, включая ResNet, EfficientNet, ViT, Swin, ConvNeXt и MobileNet; для многих доступны предобученные веса.
• 02Создание любой поддерживаемой модели по имени через общую фабричную функцию.
• 03Встроенные оптимизаторы, такие как варианты AdamW, Lion и Muon, а также планировщики скорости обучения.
• 04Аугментации данных, включая RandAugment, AugMix, Mixup и CutMix.
• 05Эталонные скрипты для обучения, валидации и инференса с поддержкой распределённого обучения на нескольких GPU.
• 06Единый API для замены классификаторов и извлечения многоуровневых карт признаков.

Сценарии использования

• Дообучение предобученной модели ViT или ConvNeXt на собственном датасете для классификации изображений.
• Использование бэкбона для извлечения признаков в пайплайнах детекции или сегментации.
• Сравнение разных архитектур при одинаковых настройках обучения и оценки.
• Воспроизведение результатов обучения на ImageNet или экспорт моделей для развёртывания.

Быстрый старт

1. 1

   Установите библиотеку из PyPI

   pip install timm
2. 2

   Создайте предварительно обученную модель и запустите инференс с помощью краткого примера из README

Что важно знать

• !Для запуска необходимо отдельно установить PyTorch.
• !Некоторые варианты моделей и веса зависят от недавних версий PyTorch.

Темы

Частые вопросы

Что такое pytorch-image-models?

Библиотека PyTorch с архитектурами моделей для обработки изображений, предобученными весами и скриптами обучения, валидации и экспорта для задач компьютерного зрения. PyTorch Image Models (timm) — библиотека Python с большим набором энкодеров и бэкбонов для обработки изображений, в том числе ResNet, EfficientNet, Vision Transformer (ViT), Swin Transformer, ConvNeXt и варианты MobileNet; для многих моделей доступны предобученные веса. Модели создаются по имени через общую фабрику: один и тот же код может загрузить ResNet или ViT и использовать её для классификации либо извлечения признаков.

pytorch-image-models можно использовать бесплатно? Какая у него лицензия?

pytorch-image-models распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.

pytorch-image-models всё ещё поддерживается?

Активно поддерживается. Последний коммит в pytorch-image-models — 20 окт. 2026 г..

Для чего можно использовать pytorch-image-models?

Дообучение предобученной модели ViT или ConvNeXt на собственном датасете для классификации изображений. Использование бэкбона для извлечения признаков в пайплайнах детекции или сегментации. Сравнение разных архитектур при одинаковых настройках обучения и оценки. Воспроизведение результатов обучения на ImageNet или экспорт моделей для развёртывания.

Как установить pytorch-image-models?

Установите библиотеку из PyPI: pip install timm Создайте предварительно обученную модель и запустите инференс с помощью краткого примера из README

Где скачать pytorch-image-models?

Исходный код и инструкции по установке — на GitHub: https://github.com/huggingface/pytorch-image-models