项目预览
项目数据
项目介绍
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 2026-08-10 · 当前星标 ★ 17990
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。
环境要求
- Python 3.10 ~ 3.14(对应 torch 2.10~2.13 / torchvision 0.25~0.28 这一代)
- 必须先安装与 torchvision 版本匹配的 torch,二者需成对安装
- 可用的 pip 与网络环境(按 PyTorch 官方指引选择 CPU 或 CUDA 版本)
- 如需源码构建,需额外的编译环境,参见 CONTRIBUTING 开发安装说明
安装与启动步骤
-
1确认 Python 版本
先确认本机 Python 版本落在 torchvision 支持的区间内(新版要求 >=3.10, <=3.14),版本不符需先切换环境。
python --version -
2查版本对应关系
打开 README 中的版本对照表,确定 torch 与 torchvision 的配对,例如 torch 2.13 对应 torchvision 0.28。
-
3安装 torch 与 torchvisi
README 未给出具体安装命令,要求按 PyTorch 官方指引安装。此处为通用写法,正式安装请以官网选择器生成的命令为准。
pip install torch torchvision -
4源码构建(可选)
若要用源码而非发行版,README 指向 contributing 页面的 development installation 说明,按其中步骤编译安装。
-
5验证安装
导入 torchvision 并打印版本号,确认与已安装的 torch 版本处于同一配对行。
python -c "import torchvision; print(torchvision.__version__)"
如何确认成功
执行 python -c "import torchvision; print(torchvision.__version__)" 能正常输出版本号,且与 torch 版本按对照表配对(如 torch 2.13 + torchvision
常见问题
Q:torch 和 torchvision 版本对不上怎么办?
A:按 README 对照表卸载后重装成同一行的组合,例如 torch 2.12 搭配 torchvision 0.27,不要跨行混装。
Q:该装哪个版本的 torchvision?
A:先看你用的 torch 版本,再在表格中找同一行对应的 torchvision 版本,同时确认 Python 版本满足该行要求。
Q:Python 版本不满足要求怎么办?
A:新版要求 Python >=3.10 且 <=3.14;若本机版本过高或过低,可改用更早的 torch/torchvision 组合或切换 Python 环境。
Q:可以直接从源码安装吗?
A:可以,README 指向 CONTRIBUTING 页面的 development installation 部分,按其中的源码构建步骤操作。
注意事项
- README 只给出安装入口与版本对照表,没有具体安装命令,实际安装请以 PyTorch 官网(pytorch.org/get-started/locally)生成的命令为准。
- torch 与 torchvision 必须严格按表格配对安装,版本不匹配会导致导入失败。
- 部分 CUDA 版本需要单独指定安装源,请按官方选择器给出的命令执行。
核心亮点
- 统一 API 访问海量视觉数据集,支持流式加载,省去下载转换的麻烦
- 与 transformers 深度集成,可直接加载预训练模型进行微调
- 内置多种图像/视频变换,支持自定义,兼容主流深度学习框架
不足之处
- 文档偏重 API 参考,缺少端到端实战教程,新手上手有门槛
- 部分数据集加载速度慢,且对视频数据集支持不如图像完善
适用场景
- 快速加载公开数据集进行模型训练或基准测试
- 在 Hugging Face 生态中微调视觉 Transformer 模型
- 构建视频理解任务的数据预处理管线
替代项目
torchvision、timm、albumentations
上一篇:vit-pytorch
下一篇:dlib
同类项目推荐
PaddleOCRApi
开源
一键部署离线OCR接口,多语言调用识别图片文字
开源、免费、离线PaddleOCR,.NET完整开发套件,一键部署WebAPI 接口,支持 C#/C++/Java/P···
GEM-3D
开源
用扩散模型增强三维医学图像,提升生成质量与完整性
[IJCV'2026] Generative Enhancement for 3D Medical Images
ovam
开源
用扩散模型生成精准的开放词汇语义分割图
Code for the paper Open-Vocabulary Attention Maps with Token Optimization for Semant···
image-reader
开源
网页图片框选即出文字,还能接入 AI 工作流
A powerful OCR extension with area selection tool and more
CLOUDS
开源
多模型协作,让语义分割在陌生场景下依然稳准狠
[CVPR 2024] Official Implementation of Collaborating Foundation models for Domain Ge···
AWESOME-OCR-LLM
开源
一张清单看懂大模型时代 OCR 怎么选
OCR in the Era of Large Language Models
PGS
开源
在Processing里轻松搞定复杂几何处理,让创意不卡壳。
Processing Geometry Suite
eomt
开源
仅编码器搞定图像分割,又快又准
[CVPR 2025 Highlight] Official code and models for Encoder-only Mask Transformer (Eo···
Conffusion
开源
给扩散模型生成结果加上统计置信区间,量化不确定性
Official Implementation for the "Conffusion: Confidence Intervals for Diffusion Mode···
