如何10分钟跑通tiny_vit_21m_224.in1k:从零开始的第一次图像分类教程

【免费下载链接】tiny_vit_21m_224.in1k

项目地址:https://ai.gitcode.com/hf_mirrors/timm/tiny_vit_21m_224.in1k
点击查看免费下载

tiny_vit_21m_224.in1k 是 timm 库中一个轻量级TinyViT 图像分类模型(仅 21.2M 参数),由论文作者在 ImageNet-1k 上完成预训练,可输出 1000 个物体类别的概率,还能提取特征图与图像嵌入向量。本文将带你从零开始,10 分钟内跑通你的第一次图像分类推理 🚀

认识 tiny_vit_21m_224.in1k:它到底能做什么?

属性说明
模型类型图像分类 / 特征骨干网络
参数量21.2M(约 85MB,非常轻量)
计算量4.1 GMACs,推理速度快
输入尺寸224 × 224
输出类别1000 类(ImageNet-1k)
训练数据ImageNet-1k

💡 名字怎么读?tiny_vit_21m= 小型 Vision Transformer,约 21M 参数;224= 输入图像边长;in1k= ImageNet-1k 预训练。

本仓库是一个标准的 Hugging Face 模型仓库,文件结构非常简洁:

文件作用
README.md模型卡片,包含模型详情与全部使用示例
config.json模型架构与推理配置(输入尺寸、归一化参数等)
model.safetensors模型权重文件(约 85MB,safetensors 格式)
pytorch_model.bin模型权重文件(约 85MB,传统 PyTorch 格式)

一键安装步骤:准备运行环境

只需要安装 3 个依赖,一行命令搞定:

pip install timm torch pillow
  • timm:PyTorch 官方视觉模型库,内置 TinyViT 架构
  • torch:深度学习框架(有 GPU 会自动启用 CUDA)
  • pillow:图片读取工具

最快配置方法:5 行代码完成第一次图像分类

下面这段代码直接来自官方模型卡片 README.md,只需把它保存为classify.py,再准备一张本地图片(比如cat.jpg)即可运行:

from PIL import Image import timm import torch # 1️⃣ 读取本地图片 img = Image.open("cat.jpg") # 2️⃣ 加载预训练模型 model = timm.create_model('tiny_vit_21m_224.in1k', pretrained=True) model.eval() # 3️⃣ 自动获取模型专用变换(缩放 + 归一化) data_config = timm.data.resolve_model_data_config(model) transforms = timm.data.create_transform(**data_config, is_training=False) # 4️⃣ 推理并取 Top5 预测 with torch.no_grad(): output = model(transforms(img).unsqueeze(0)) # 扩展成 batch top5_prob, top5_idx = torch.topk(output.softmax(dim=1) * 100, k=5) for prob, idx in zip(top5_prob[0], top5_idx[0]): print(f"类别 {idx}: {prob:.2f}%")

运行python classify.py,你会看到类似这样的输出:

类别 281: 62.35% # tabby, tabby cat 类别 283: 21.17% # tiger cat 类别 282: 8.94% # Egyptian cat 类别 285: 2.60% # Siamese cat 类别 280: 1.82% # Persian cat

✅ 恭喜你!10 分钟内就完成了一个 ImageNet 1000 类图像分类器的推理。

看懂 config.json:推理配置的来龙去脉

config.json 里藏着模型推理的关键参数,timm加载模型时会自动读取它们:

配置项值含义
input_size[3, 224, 224]输入为 3 通道 224×224 图像
mean/std[0.485, 0.456, 0.406]等ImageNet 标准归一化均值/方差
crop_pct0.95推理时中心裁剪比例
interpolationbicubic缩放图像使用的插值方式
num_classes1000分类头输出维度

代码中的resolve_model_data_config()+create_transform()就是把这些配置自动转化为"缩放 → 中心裁剪 → 归一化"的完整预处理流水线,你不需要手写任何归一化数字,这也是 timm 相比手动搭流程最省事的地方。

进阶玩法:提取特征图与图像嵌入

模型卡片 README.md 还提供了两个进阶用法,改一行参数即可切换:

① 提取多层特征图(可用于目标检测、分割等下游任务):

model = timm.create_model('tiny_vit_21m_224.in1k', pretrained=True, features_only=True) # 输出 4 层特征图:96@56×56、192@28×28、384@14×14、576@7×7

② 输出图像嵌入向量(可用于以图搜图、图像相似度计算):

model = timm.create_model('tiny_vit_21m_224.in1k', pretrained=True, num_classes=0) # 输出 576 维嵌入向量

常见问题 FAQ

Q1:第一次运行为什么比较慢?pretrained=True会首次自动下载约 85MB 的权重文件(对应本仓库的 model.safetensors / pytorch_model.bin),之后会走缓存,秒级加载。

Q2:没有 GPU 能跑吗?可以。模型只有 21.2M 参数、4.1 GMACs 计算量,普通 CPU 上单张图片推理也能在 1 秒内完成,是 TinyViT"小而快"设计的直接体现。

Q3:输入图片尺寸必须是 224×224 吗?交给transforms即可,它会自动把图片 resize/center crop 到 224×224;模型本身fixed_input_size为false,也支持其他尺寸输入。

Q4:权重文件只有 133 字节?这是正常的——它们是 Git LFS 指针文件,实际 85MB 的权重内容在拉取时会通过 LFS 自动还原,不影响使用。

总结

  • 🎯 tiny_vit_21m_224.in1k 是 timm 生态里"轻量 + 高精度"的图像分类利器
  • 📦 一条命令安装依赖,5 行核心代码即可完成 1000 类图像分类
  • 🔧 改一个参数即可切换为特征提取或图像嵌入模式
  • 📄 更多细节可查阅仓库内的 README.md 与 config.json

跑通只是起点——把它当作下游任务(检测、分割、检索)的骨干网络,是下一步最值得尝试的方向。

【免费下载链接】tiny_vit_21m_224.in1k

项目地址:https://ai.gitcode.com/hf_mirrors/timm/tiny_vit_21m_224.in1k
点击查看免费下载
上一篇:一键导出QQ空间十年老说说:GetQzonehistory使用全流程
下一篇:QQ空间数据备份,5分钟搬回自己电脑

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

Magisk_AsoulOpt 游戏线程优化完整指南:三分钟让你的手机游戏跑得更稳

Magisk_AsoulOpt 游戏线程优化完整指南:三分钟让你的手机游戏跑得更稳

Magisk_AsoulOpt 游戏线程优化完整指南:三分钟让你的手机游戏跑得更稳 【免费下载链接】Magisk_AsoulOpt 项目地址: https://gitcode.com/GitHub_Trending/ma/Magisk_AsoulOpt Magisk_AsoulOpt 是一款 Android 游戏线程调整程序(Game threads tw…

2026/11/18 10:24:39 阅读更多 →
Git教程

Git教程

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/11/8 10:19:47 阅读更多 →
STM32F103驱动AT24C02 EEPROM的I2C硬件时序与稳定读写实战

STM32F103驱动AT24C02 EEPROM的I2C硬件时序与稳定读写实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/11/15 15:29:15 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/18 13:59:04 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/18 15:33:23 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/18 17:05:28 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/18 14:33:19 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/18 17:05:28 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/18 14:13:08 阅读更多 →

日新闻

周新闻

月新闻