#timm

这款视觉Transformer图像分类模型由OpenAI基于WIT-400M数据集使用CLIP技术预训练，并经过ImageNet-12k和ImageNet-1k数据集微调。作为一种强大的图像分类和嵌入模型，其参数量达88.3M，计算量为12.7 GMACs，设计用于384x384图像。支持通过`timm`库接口调用，满足多种视觉任务需求，在图像识别和分析领域表现出稳定性能。

ResNetRS-B是一款图像分类模型，具备ReLU激活、单层7x7卷积池化和1x1卷积下采样功能。该模型由论文作者在ImageNet-1k上使用Tensorflow训练，拥有86.6M的参数量，支持320x320图像测试。其多功能性使其适用于图像分类、特征提取和图像嵌入任务，通过timm库可便捷地在Python中实现应用。

ResNeSt14d是一款基于ResNet的分割注意力图像分类模型，由研究团队在ImageNet-1k数据集上训练。此模型拥有10.6M的参数和2.8 GMACs，支持224x224的图像尺寸。提供多种功能，包括图像分类、特征提取和图像嵌入。通过timm库实现预训练模型调用，支持快速有效的图像分析和计算机视觉任务。

ConvNeXt是一个经过ImageNet-22k预训练的图像分类模型，具备66.3M参数和8.7 GMACs。本文介绍其关键特性及在图像特征提取中的应用，旨在帮助专业用户理解和有效利用该模型进行视觉任务。

tf_efficientnet_b0.in1k是一个基于EfficientNet架构的图像分类模型，在ImageNet-1k数据集上使用Tensorflow训练，并由Ross Wightman移植到PyTorch。该模型具有5.3M参数和0.4 GMACs，支持细节丰富的224x224像素图像应用。其功能包括图像分类、特征映射提取和图像嵌入，非常适合在timm库中进行各种深度学习研究和应用，提供一种高效的图像处理方案。

ViT图像分类模型在ImageNet-21k上训练并在ImageNet-1k上微调，采用数据增强和正则化，适用于图像识别和特征提取。模型包含88.2M参数，通过PyTorch实现，支持多种应用场景。

EfficientNetV2是一个在timm库中实现的高效图像分类模型。通过使用以ResNet Strikes Back为基础的训练策略和SGD优化器（带Nesterov动量），结合自适应梯度剪裁，模型在ImageNet-1k数据集上进行训练。这一架构轻量且强大，支持包括图像分类、特征提取和图像嵌入的多种图像处理任务。

MobileNet-V4图像分类模型经过ImageNet-12k预训练和ImageNet-1k精细调整，优化了参数和图像处理能力。该模型适用于移动设备，并支持特征提取和图像嵌入。凭借出色的Top-1准确率和参数效率，它在同类模型中表现突出，提供快速准确的图像识别能力。

MobileViT是一种轻量级视觉Transformer模型，专为移动设备设计。mobilevit_xs.cvnets_in1k版本在ImageNet-1k数据集上训练，仅有2.3M参数和1.1 GMACs计算量。该模型适用于图像分类、特征提取和嵌入生成等任务，平衡了性能和资源消耗。它融合了MobileNet的轻量化结构和Vision Transformer的强大特性，为资源受限环境提供了高效解决方案。

ConvNeXt-V2是一款先进的图像分类模型，通过全卷积掩码自编码器框架(FCMAE)预训练，并在ImageNet-22k和ImageNet-1k数据集上微调。除图像分类外，该模型还可用于特征图提取和图像嵌入。拥有8870万参数，ConvNeXt-V2在ImageNet-1k验证集上实现86.74%的Top-1准确率。凭借在多项基准测试中的卓越表现，ConvNeXt-V2成为各类计算机视觉任务的优秀选择。

swin_large_patch4_window7_224.ms_in22k_ft_in1k是基于Swin Transformer架构的图像分类模型。该模型在ImageNet-22k上预训练，ImageNet-1k上微调，拥有1.965亿参数，34.5 GMACs计算量。它支持224x224输入图像，适用于图像分类、特征提取和图像嵌入。模型采用分层结构和移位窗口机制，平衡了计算效率和性能。

该项目采用MobileNet-v3模型进行图像分类，在ImageNet-1k数据集上通过LAMB优化器和RMSProp优化器进行微调。利用指数衰减学习率调度和EMA权重平均，提高性能表现。模型在特征提取和图像嵌入方面表现出色，适合开发轻量级视觉识别应用。

EVA02模型在ImageNet-22k数据集上通过遮掩图像建模预训练，结合EVA-CLIP作为教师，具有平均池化、SwiGLU等特性，支持图像分类和特征嵌入，参数量为85.8M，适用于224x224图像输入，在复杂视觉任务中表现出色。

EfficientNet-v2模型在ImageNet-21k上预训练并在ImageNet-1k上微调，具备图像分类、特征提取与图像嵌入功能。初始使用Tensorflow训练，后由Ross Wightman移植至PyTorch。模型拥有208.1百万参数与52.8 GMACs计算量，支持训练时384x384与测试时512x512的图像尺寸。通过timm库，便可创建预训练模型，用于图像分类及特征映射。本模型在研究与应用中表现出强大的性能及灵活性。

xception41.tf_in1k是一款基于Xception架构的图像分类模型，在ImageNet-1k数据集上训练而成。该模型采用深度可分离卷积技术，拥有2700万参数和9.3 GMACs的计算量，支持图像分类、特征图提取和图像嵌入等功能。通过timm库，研究者可以方便地加载预训练模型进行推理或微调。xception41.tf_in1k在维持高精度的同时优化了计算效率，适用于多种计算机视觉任务。

efficientnet_b4.ra2_in1k是基于EfficientNet架构的图像分类模型，在ImageNet-1k数据集上训练。该模型采用RandAugment RA2增强方法，使用RMSProp优化器，具有1930万参数和3.1 GMACs计算量。支持320x320训练图像和384x384测试图像，可用于图像分类、特征提取和嵌入等任务，为计算机视觉领域提供高效解决方案。

模型采用EfficientNet B7架构，结合Noisy Student半监督学习，在ImageNet-1k和JFT-300m数据集上训练。参数量66.3M，输入图像尺寸600x600，支持图像分类、特征提取和嵌入向量生成。已从TensorFlow移植至PyTorch，可应用于高精度图像识别任务。

ResNet152d.ra2_in1k是基于ResNet-D架构的图像分类模型，采用ReLU激活和三层3x3卷积stem结构。该模型在ImageNet-1k上训练，并使用RandAugment RA2策略、RMSProp优化器和EMA权重平均进行优化，支持动态学习率调度和特征映射提取，其性能在复杂图像处理任务中表现优秀。

ConvNeXt图像分类模型，通过timm库在ImageNet-12k及ImageNet-1k上进行预训练与微调，提供图像特征提取与分类功能。支持TPU和8xGPU训练方式，适合大规模数据集处理。模型拥有50.2M参数和25.6 GMACs，支持384x384图像输入，并兼具特征图提取与图像嵌入功能，适用于高效图像处理需求。更多性能数据及结果可在timm库查阅。

这是一个基于Vision Transformer架构的图像分类模型，在LAION-2B数据集预训练后在ImageNet-12k和ImageNet-1k上微调。模型包含8830万参数，支持448x448输入图像，可用于图像分类和特征提取。该模型通过timm库实现，提供简单使用示例，采用Apache-2.0许可。

该项目展示了在ImageNet-1k上训练的MobileNet-v3图像分类模型，强调其在资源受限环境中的适用性。使用LAMB优化器和EMA权重平均化，该模型参照ResNet Strikes Back设计，通过简化预处理流程，支持图像分类、特征提取和图像嵌入等多种深度学习任务，增强模型性能。

DeiT图像分类模型经过在ImageNet-1k数据集上的训练，通过注意力机制提高数据处理效率。它的紧凑架构具有5.7百万参数和1.3 GMACs，适用于224x224像素图像，可用于图像分类和嵌入生成。此项目具备广泛的库支持，易于集成，是研究者获取高效图像处理能力的理想工具。

该模型结合ResNet与Vision Transformer（ViT）的特点，专用于图像分类。最初在ImageNet-21k上训练，后在ImageNet-1k上微调，并在JAX中创建，由Ross Wightman移植到PyTorch环境中。模型采用了36.5M参数和27.7M激活，针对384x384图像进行了优化，通过增强和正则化技术提升了处理复杂图像任务的能力，适用于多种图像识别应用。

VoVNet-v2是一种预训练于ImageNet-1k的图像分类模型，含高效计算和低能耗优点，并采用RandAugment优化。适用于特征骨干网络，支持图像分类、特征提取和图像嵌入。其关键性能包括24.6M参数、7.1 GMACs等。通过`timm`库，用户可以实现高效的图像分类和特征提取。模型使用ResNet Strikes Back的训练方案，提高了准确度和应用多样性。

vit_base_patch16_224.orig_in21k是一个基于Vision Transformer架构的图像特征提取模型，在ImageNet-21k数据集上预训练。模型采用16x16图像块处理，支持224x224输入尺寸，包含8580万参数。移除分类头设计使其专注于特征提取，适合迁移学习和微调。通过timm库可轻松应用于图像分类和特征提取任务，为计算机视觉研究提供有力支持。

ResNet-D是一款在ImageNet-1k数据集训练的图像分类模型，采用ReLU激活函数和三层卷积结构，包含2560万参数。模型支持224x224尺寸训练输入和288x288测试输入，集成RandAugment增强技术，可实现图像分类、特征提取等计算机视觉任务。

EfficientNet B2模型在ImageNet-1k数据集上训练，结合RandAugment增强策略和RMSProp优化器，实现卓越的图像分类与特征提取性能。

repvit_m1.dist_in1k是RepViT家族中的高效图像分类模型，专为ImageNet-1k数据集优化，应用蒸馏技术增强性能。模型参数为5.5M，0.8 GMACs，支持224x224图像尺寸。设计灵感源于对移动CNN的创新探索，结合ViT视角。详情请参考相关arXiv文献。该模型能够执行图像分类、特征提取和图像嵌入等任务，适合的研究和工程应用。

这是一个基于Vision Transformer架构的图像特征提取模型，采用DINOv2自监督学习方法在LVD-142M数据集上预训练。模型包含3.044亿参数，支持518x518像素输入，适用于图像分类和特征提取任务。该模型提供了完整的加载、预处理和推理示例代码，可应用于需要高质量视觉特征表示的各种计算机视觉场景。

RegNetZ模型在ImageNet-1k上训练后，展现出色的图像分类性能。该模型基于timm库实现，通过BYOBNet灵活配置支持，包括block/stage布局、激活层、归一化层及自注意层等自定义选项。提供多种应用，如图像分类、特征提取及嵌入生成，设计适合处理不同组宽及层配置需求，尤其适用于高精度及灵活性任务。

inception_next_tiny.sail_in1k是基于InceptionNeXt架构的图像分类模型，在ImageNet-1k数据集上训练。该模型结合Inception和ConvNeXt的特点，提供图像分类、特征图提取和图像嵌入功能。模型参数为28.1M，GMACs为4.2，适用于224x224大小的图像输入。它通过timm库提供简洁的API，支持预训练权重，可轻松应用于多种计算机视觉任务。

TinyNet是一个旨在优化图像分类和特征提取的模型，通过调整分辨率、深度和宽度，在ImageNet-1k上进行训练。模型参数量为2.0M，并具有低计算负荷。提供简便的代码示例以支持图像分类、特征图提取和图像嵌入，可用于多种图像处理场景。同时，通过timm库探索其指标表现，更深入了解其在神经信息处理中的应用。

这是一个基于Vision Transformer (ViT)架构的图像分类模型，在ImageNet-21k上进行预训练，并在ImageNet-1k上微调。模型包含2290万参数，处理224x224尺寸的图像输入。通过额外的数据增强和正则化技术提升性能，最初在JAX框架中训练，后移植至PyTorch。该模型提供简洁的API，支持图像分类和特征提取两大功能，可广泛应用于多种计算机视觉任务。

该Vision Transformer模型经过ImageNet-21k数据集预训练并在ImageNet-1k上微调，采用86.6M参数，适用于224x224图像的分类与特征提取。最初由论文作者在JAX上训练，并由Ross Wightman移植到PyTorch环境，可应用于图像分类和嵌入场景。

WD EVA02-Large Tagger v3是一个开源的图像标签分类模型，支持评级、角色和通用标签分类。该模型基于Danbooru数据集训练，涵盖720万张图像。采用JAX-CV和timm库实现，支持ONNX推理，兼容性强。模型在验证集上达到0.4772的F1分数，支持批量推理，并提供了timm、ONNX和JAX等多种接口示例。最新版本更新了训练数据和标签至2024年2月，适用于图像分类、内容审核等多种应用场景，为开发者提供了实用的图像分析工具。

EfficientNet-v2是一个专注于图像分类的高效模型，采用RandAugment策略在ImageNet-1k数据集上训练，具有参数少、训练快的特点。通过timm库实现，支持特征图提取和图像嵌入等多种功能。其结构设计为强大的特征骨干提供了基础。