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…

这是干什么的?PyTorch Image Models(timm)——目前规模最大的 PyTorch 图像编码器和主干网络合集,自带预训练权重,还配有训练、评估、推理和导出脚本。
它是我导入到自己代码里的库,还是一个直接运行的工具?它是一个 Python 库,需要导入到你自己的 PyTorch 代码中使用——仓库里还附带现成的训练、验证、推理和导出脚本,可以在命令行直接运行。
怎么把它加到我的项目里?先用 'pip install timm' 安装,然后在代码里像 timm.create_model('resnet50', pretrained=True) 这样创建模型——预训练权重在第一次使用时会自动从 Hugging Face Hub 下载。
它需要什么版本的 Python 和 PyTorch?要求不高:单元测试覆盖了 Python 3.10 到 3.13,以及 PyTorch 1.13 到 2.9.1,所以即使比较老的环境也能用。
从网上下载的检查点加载起来安全吗?以前加载第三方检查点存在 pickle 反序列化风险,但最近的版本已经加固:加载时默认使用 weights_only=True,恶意 pickle 无法执行任意代码。
代码是 Apache-2.0 协议,预训练权重也受这个协议约束吗?代码确实是 Apache-2.0,但各个预训练权重可能有自己的许可条款——README 里专门有一个 Licenses 板块列出了这些条款,商用前请先查看。
必须有大显存的 GPU 吗,还是 CPU 也能跑?只要 PyTorch 能运行的地方它都能运行,包括 CPU——这个合集甚至还加入了 CPUBone,一个专为并行计算能力较弱的设备设计的高效视觉主干网络。
NaFlexViT 是什么,什么情况下我会选它?它是 timm 推出的灵活版 Vision Transformer:同一个模型就能处理每张图片不同的宽高比和分辨率,甚至支持不同的 patch 大小。经典 ViT 的权重可以通过 use_naflex=True 加载进去,配套的 --naflex-loader 数据管道则覆盖了非正方形图片的训练、微调和评估。
除了 ImageNet 分类模型之外,有没有自监督或 CLIP 风格的编码器?有——最近的版本加入了 DINOv3 ViT 和 ConvNeXt 权重、SigLIP-2 NaFlex ViT 编码器,以及 MobileCLIP-2 和 MetaCLIP-2 视觉编码器,所以 timm 也可以当作通用主干网络的来源。
选模型之前,在哪里能查到它的准确率和速度?仓库发布了结果 CSV,里面有每个模型的 ImageNet top-1/top-5 准确率,还有用 RTX 4090、5090 和 RTX Pro 6000 显卡配合 PyTorch 2.9.1 跑出的推理耗时基准——方便你在准确率和延迟之间做取舍。
timm 现在还在活跃开发吗?非常活跃——几乎每个月都有新版本发布(2026 年 8 月的 v1.0.29 就加入了 LowFormer 权重),而且原作者离开 Hugging Face 之后仍在持续维护。
Size
32.2 MB
Stars
37.2K
Age
7y
Commits · 90 Days