FasterViT

让视觉 Transformer 又快又准，高分辨率图像处理利器

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 72 🐛 待处理 4 👀 关注 14

GitHub ↗

GitHub 星标 ★ 928

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，基于PyTorch实现，可自行部署使用，完全免费。

项目预览

项目数据

分类开源模型

开发团队NVlabs

GitHubhttps://github.com/NVlabs/FasterViT

定价模式🏷️完全免费

价格说明开源模型，基于PyTorch实现，可自行部署使用，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型ade20k,backbone,coco,deep-learning,foundation-models,image-classification,image-net,object-detection,pre-trained-model,self-attention,semantic-segmentation,vision-transformer,visual-recognition

GitHub 星标★ 928

上线时间2023-05-19 00:00:00

代码更新2025-07-22

仓库体积1.2 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

FasterViT 是一个面向视觉任务的高效 Transformer 模型，由 NVIDIA 研究人员开发，相关论文发表于 ICLR 2024。它旨在解决传统 Vision Transformer（ViT）在图像分类、目标检测等任务中计算复杂度高、推理速度慢的问题。FasterViT 的核心创新是引入了分层注意力（Hierarchical Attention）机制，通过将图像划分为多个区域，在局部窗口内计算注意力，同时利用跨窗口的全局信息交互，从而在保持全局建模能力的同时大幅降低计算量。该模型在 ImageNet 分类、COCO 检测等基准上实现了精度与吞吐量的最佳平衡，尤其在高分辨率图像处理场景下优势明显。项目提供了完整的 PyTorch 官方实现，包括模型定义、训练脚本和预训练权重，支持多种模型变体（如 FasterViT-0/1/2 等），方便研究者和工程师直接使用或微调。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 928

技术标签

deep-learning foundation-models image-classification object-detection pre-trained-model

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地 GPU 4 步

环境要求

PyTorch 2.x + CUDA
ImageNet 或自建验证集

安装与启动步骤

1装包

官方发布了 pip 包，装完即可 import fastervit 拿到模型构造函数；也可以从源码装。
```
pip install fastervit
```
2装训练/评测依赖

validate.py 依赖 timm、torch 等，按 requirements 一次装齐。
```
pip install -r requirements.txt
```
3拉预训练权重

各尺寸模型权重在 release 里，按论文表格选 0/1/2/3/5 档，放好路径再评测。
4跑一次验证

validate 脚本指定数据集目录与模型名，先在小验证集上跑通再扩到全量。
```
python validate.py --model faster_vit_0_224 --data-dir /path/to/imagenet/val
```