pytorch-image-models README

The project's README from github.com/huggingface/pytorch-image-models. As one markdown file: README.md.

PyTorch Image Models

What's New

August 27, 2026

August 11, 2026

July 10, 2026

May 27, 2026

May 8, 2026

April 23, 2026

March 23, 2026

Feb 23, 2026

Jan 21, 2026

Jan 5 & 6, 2026

Dec 30, 2025

Dec 12, 2025

Dec 1, 2025

Nov 4, 2025

Oct 31, 2025 🎃

Oct 16-20, 2025

Sept 21, 2025

Sept 17, 2025

July 23, 2025

July 21, 2025

July 7, 2025

model img_size top1 top5 param_count
vit_large_patch16_rope_mixed_ape_224.naver_in1k 224 84.84 97.122 304.4
vit_large_patch16_rope_mixed_224.naver_in1k 224 84.828 97.116 304.2
vit_large_patch16_rope_ape_224.naver_in1k 224 84.65 97.154 304.37
vit_large_patch16_rope_224.naver_in1k 224 84.648 97.122 304.17
vit_base_patch16_rope_mixed_ape_224.naver_in1k 224 83.894 96.754 86.59
vit_base_patch16_rope_mixed_224.naver_in1k 224 83.804 96.712 86.44
vit_base_patch16_rope_ape_224.naver_in1k 224 83.782 96.61 86.59
vit_base_patch16_rope_224.naver_in1k 224 83.718 96.672 86.43
vit_small_patch16_rope_224.naver_in1k 224 81.23 95.022 21.98
vit_small_patch16_rope_mixed_224.naver_in1k 224 81.216 95.022 21.99
vit_small_patch16_rope_ape_224.naver_in1k 224 81.004 95.016 22.06
vit_small_patch16_rope_mixed_ape_224.naver_in1k 224 80.986 94.976 22.06

June 26, 2025

June 23, 2025

Model Top-1 Acc Top-5 Acc Params (M) Eval Seq Len
naflexvit_base_patch16_par_gap.e300_s576_in1k 83.67 96.45 86.63 576
naflexvit_base_patch16_parfac_gap.e300_s576_in1k 83.63 96.41 86.46 576
naflexvit_base_patch16_gap.e300_s576_in1k 83.50 96.46 86.63 576

June 5, 2025

May 28, 2025

Feb 21, 2025

Feb 1, 2025

Jan 27, 2025

Jan 19, 2025

Jan 9, 2025

Jan 6, 2025

Dec 31, 2024

Introduction

PyTorch Image Models (timm) is a collection of image models, layers, utilities, optimizers, schedulers, data-loaders / augmentations, and reference training / validation scripts that aim to pull together a wide variety of SOTA models with ability to reproduce ImageNet training results.

The work of many others is present here. I've tried to make sure all source material is acknowledged via links to github, arxiv papers, etc in the README, documentation, and code docstrings. Please let me know if I missed anything.

Features

Models

pytorch-image-models (huggingface/pytorch-image-models)

Searching Database…

Что это такое?PyTorch Image Models (timm) — самая большая коллекция энкодеров и бэкбонов для изображений на PyTorch, в комплекте с предобученными весами, а также скриптами для обучения, валидации, инференса и экспорта.
Это библиотека, которую я импортирую в свой код, или инструмент, который я запускаю?Это библиотека Python, которую вы импортируете в свой PyTorch-код — кроме того, в репозитории есть готовые скрипты для обучения, валидации, инференса и экспорта, которые можно запускать из командной строки.
Как подключить её к своему проекту?Установите её командой 'pip install timm', затем создайте модель в коде, например timm.create_model('resnet50', pretrained=True) — предобученные веса подгружаются с Hugging Face Hub при первом использовании.
Какие версии Python и PyTorch нужны?Ничего экзотического: юнит-тесты покрывают Python 3.10–3.13 и PyTorch 1.13–2.9.1, так что поддерживаются даже довольно старые окружения.
Безопасно ли загружать чекпоинты, найденные в интернете?Загрузка сторонних чекпоинтов раньше была риском из-за pickle, но в свежих версиях это исправили: по умолчанию теперь используется weights_only=True, поэтому вредоносный pickle не сможет выполнить произвольный код.
Код под Apache-2.0 — распространяется ли это и на предобученные веса?Код распространяется под Apache-2.0, но у отдельных предобученных весов могут быть свои условия — в README есть отдельный раздел Licenses с их списком, так что перед коммерческим использованием стоит его проверить.
Нужна ли мощная видеокарта или хватит процессора?Работает везде, где работает PyTorch, включая CPU — коллекция даже добавила CPUBone, эффективный vision-бэкбон для устройств с низкими возможностями параллельных вычислений.
Что такое NaFlexViT и почему стоит выбрать его?Это гибкий Vision Transformer от timm: одна модель, которая работает с переменным соотношением сторон и разрешением для каждого изображения, и даже с переменным размером патчей. Классические ViT загружаются в неё с use_naflex=True, а соответствующий пайплайн данных --naflex-loader покрывает обучение, дообучение и оценку на неквадратных изображениях.
Помимо ImageNet-классификаторов, есть ли самоконтролируемые или CLIP-подобные энкодеры?Да — в свежих релизах появились веса DINOv3 ViT и ConvNeXt, энкодеры SigLIP-2 NaFlex ViT, а также vision-энкодеры MobileCLIP-2 и MetaCLIP-2, так что timm служит источником универсальных бэкбонов.
Где можно заранее посмотреть точность и скорость модели, прежде чем выбирать?В репозитории публикуются CSV-файлы с результатами: точность ImageNet top-1/top-5 для каждой модели, а также бенчмарки скорости инференса на видеокартах RTX 4090, 5090 и RTX Pro 6000 с PyTorch 2.9.1 — удобно, когда нужно балансировать между точностью и задержкой.
timm до сих пор активно развивается?Вполне — релизы выходят почти каждый месяц (в v1.0.29 в августе 2026 добавлены веса LowFormer), а изначальный мейнтейнер продолжает работу и после ухода из Hugging Face.
Size
32.2 MB
Stars
37.2K
Age
7y
Commits · 90 Days