pytorch-image-models 可以免费使用吗？用的什么许可证？

pytorch-image-models 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

pytorch-image-models 还在维护吗？

活跃维护中。pytorch-image-models 最近一次提交是在 2026年10月20日。

pytorch-image-models 适合用来做什么？

在自定义图像分类数据集上微调预训练的 ViT 或 ConvNeXt。将骨干网络用作检测或分割流程的特征提取器。在相同的训练和评测设置下对比不同架构的效果。复现 ImageNet 训练结果，或导出模型用于部署。

pytorch-image-models 怎么安装和运行？

从 PyPI 安装该库: pip install timm 按照 README 快速示例创建预训练模型并进行推理

在哪里获取 pytorch-image-models？

源代码和安装说明在 GitHub 上：https://github.com/huggingface/pytorch-image-models

huggingface/pytorch-image-models

PyTorch 图像模型库，提供大量视觉骨干网络、预训练权重以及训练、验证和导出脚本。

在 GitHub 查看官网

Star: 37,232
Fork: 5,217
未关闭 Issue: 18
最近提交: 14小时前

这是什么？

PyTorch Image Models（timm）是一个 Python 图像模型库，收录了大量图像编码器和骨干网络，包括 ResNet、EfficientNet、Vision Transformer（ViT）、Swin Transformer、ConvNeXt、MobileNet 等系列，其中许多提供预训练权重。用户可以通过统一的工厂函数按名称创建模型，用同一套代码加载 ResNet 或 ViT，用于分类或作为特征提取器。

除模型外，项目还包含多种优化器、学习率调度器、数据增强方法（如 RandAugment、Mixup、CutMix），以及训练、验证和推理的参考脚本。各模型对外提供一致的接口，便于替换分类头、提取特征以及输出多尺度特征金字塔。

该项目适合希望在 PyTorch 中复用或评测视觉骨干网络的研究人员和工程师，也可用于复现 ImageNet 训练结果。预训练权重通过 Hugging Face Hub 发布，代码采用 Apache 2.0 许可证；需注意基于 ImageNet 训练的权重受该数据集非商业条款约束。

核心功能

01收录数百种图像架构，包括 ResNet、EfficientNet、ViT、Swin、ConvNeXt、MobileNet 等，多数提供预训练权重。
02通过统一的工厂函数按名称创建任意支持的模型。
03内置 AdamW 变体、Lion、Muon 等优化器以及多种学习率调度器。
04提供 RandAugment、AugMix、Mixup、CutMix 等数据增强方法。
05附带训练、验证和推理参考脚本，支持分布式多 GPU 训练。
06统一的接口，便于替换分类头并提取多尺度特征图。

适用场景

在自定义图像分类数据集上微调预训练的 ViT 或 ConvNeXt。
将骨干网络用作检测或分割流程的特征提取器。
在相同的训练和评测设置下对比不同架构的效果。
复现 ImageNet 训练结果，或导出模型用于部署。

快速上手

1
从 PyPI 安装该库
pip install timm
2
按照 README 快速示例创建预训练模型并进行推理

使用前须知

运行前需要单独安装 PyTorch。
部分模型变体和权重依赖较新的 PyTorch 版本。

常见问题

pytorch-image-models 是什么？: PyTorch 图像模型库，提供大量视觉骨干网络、预训练权重以及训练、验证和导出脚本。 PyTorch Image Models（timm）是一个 Python 图像模型库，收录了大量图像编码器和骨干网络，包括 ResNet、EfficientNet、Vision Transformer（ViT）、Swin Transformer、ConvNeXt、MobileNet 等系列，其中许多提供预训练权重。用户可以通过统一的工厂函数按名称创建模型，用同一套代码加载 ResNet 或 ViT，用于分类或作为特征提取器。
pytorch-image-models 可以免费使用吗？用的什么许可证？: pytorch-image-models 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
pytorch-image-models 还在维护吗？: 活跃维护中。pytorch-image-models 最近一次提交是在 2026年10月20日。
pytorch-image-models 适合用来做什么？: 在自定义图像分类数据集上微调预训练的 ViT 或 ConvNeXt。将骨干网络用作检测或分割流程的特征提取器。在相同的训练和评测设置下对比不同架构的效果。复现 ImageNet 训练结果，或导出模型用于部署。
pytorch-image-models 怎么安装和运行？: 从 PyPI 安装该库: pip install timm 按照 README 快速示例创建预训练模型并进行推理
在哪里获取 pytorch-image-models？: 源代码和安装说明在 GitHub 上：https://github.com/huggingface/pytorch-image-models

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。