PyTorch Image Models(timm)
Hugging Face 维护的 PyTorch 图像模型库,收录 ResNet、ViT、ConvNeXt 等骨干网络与预训练权重,适合算法工程师快速对比多个骨干网络的效果。
3 次可以打开平均 2.1 秒
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。PyTorch Image Models(通常简称 timm)是一个用 PyTorch 写的图像模型库。它把图像分类常用的骨干网络集中到一处,配上预训练权重和一套脚本,省去自己逐个复现模型、找权重、对接口的麻烦。做图像分类、特征提取或拿骨干网络搭检测、分割模型的人,可以直接从里面挑一个现成的用。
主要功能
仓库里收录的模型覆盖面很宽,从 ResNet、ResNeXT、EfficientNet、RegNet、DPN、CSPNet,到 Vision Transformer(ViT)、Swin Transformer、MaxViT、CoAtNet、ConvNeXt、MobileNetV4 等都在其中,README 称其为最大的 PyTorch 图像编码器与骨干网络集合。除了模型本身,还提供训练、验证、推理和导出脚本,以及对应的预训练权重。
近期更新里,forward_intermediates() 和 prune_intermediate_layers() 已经覆盖全部模型,方便取中间层特征;2026 年 11 月 3 日的更新修正了 ViT、EVA、BEiT 等模型在改动分类器或池化层后导出、重载时的归一化位置与蒸馏设置,版本号为 1.0.31。
适合谁
适合已经在用 PyTorch 的算法工程师和研究人员:想快速对比多个骨干网络的效果,或者需要一个带预训练权重的分类模型做微调。也适合要拿中间层特征接下游任务的人。不写代码、只想直接识别图片的用户用不上它。
费用与限制
项目以 Apache-2.0 协议开源,代码和权重可以免费使用。使用需要自己搭 Python 与 PyTorch 环境,从仓库或文档里查模型名和调用方式;文档站和模型 API 说明都在 Hugging Face 的 docs/timm 下。仓库本身在 GitHub 上,浏览公开内容不需要登录,参与讨论或提交代码才要账号。
