timm documentation

Instalación

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Instalación

Antes de comenzar, deberá configurar su entorno e instalar los paquetes correspondientes. timm requiere Python 3.10 o una versión posterior.

Entorno virtual

Deberías instalar timm en un entorno virtual para mantener las cosas ordenadas y evitar conflictos de dependencias.

  1. Cree y navegue a su directorio de proyecto:

    mkdir ~/my-project
    cd ~/my-project
  2. Inicie un entorno virtual dentro de su directorio:

    python -m venv .env
  3. Active y desactive el entorno virtual con los siguientes comandos:

    # Activate the virtual environment
    source .env/bin/activate
    
    # Deactivate the virtual environment
    source .env/bin/deactivate

Una vez que hayas creado tu entorno virtual, puedes instalar timm en él.

Usando pip

La forma más directa de instalar timm es con pip:

pip install timm

Alternativamente, puede instalar timm directamente desde GitHub para obtener la versión más reciente:

pip install git+https://github.com/rwightman/pytorch-image-models.git

Ejecuta el siguiente comando para comprobar si timm se ha instalado correctamente:

python -c "from timm import list_models; print(list_models(pretrained=True)[:5])"

Este comando lista los primeros cinco modelos preentrenados disponibles en timm (que están ordenados alfabéticamente). Deberías ver la siguiente salida:

['adv_inception_v3', 'bat_resnext26ts', 'beit_base_patch16_224', 'beit_base_patch16_224_in22k', 'beit_base_patch16_384']

Desde la fuente

Compilar timm desde el código fuente te permite realizar cambios en la base de código. Para instalarlo desde el código fuente, clona el repositorio e instálalo con los siguientes comandos:

git clone https://github.com/rwightman/pytorch-image-models.git
cd pytorch-image-models
pip install -e .

De nuevo, puedes comprobar si timm se instaló correctamente con el siguiente comando:

python -c "from timm import list_models; print(list_models(pretrained=True)[:5])"
Update on GitHub