torchgeo

像用torchvision一样做遥感深度学习

TorchGeo 是微软开源的面向地理空间数据的 PyTorch 扩展库,为遥感、卫星影像和地球观测任务提供标准化的数据集、采样器、数据增强变换与预训练模型。它解决的核心问题是:地理空间数据格式多样、坐标系复杂、多光谱波段与时间序列处理门槛高,研究者往往要重复编写大量数据加载与预处理代码。TorchGeo 把这些通用能力封装成与 PyTorch 生态无缝衔接的组件,内置多种公开遥感数据集接口,支持随机采样、地理感知采样以及多光谱归一化等专用变换,并提供可微调的预训练权重。开发者可以像使用 torchvision 一样快速搭建从数据到模型的完整流程,显著降低遥感深度学习项目的工程成本。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 4185
维护状态 活跃
是否开源
定价模式 free

项目数据

分类计算机视觉
开发团队torchgeo
所属国家
定价模式free
价格说明开源免费,MIT许可证
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型computer-vision,datasets,deep-learning,earth-observation,geospatial,models,pytorch,remote-sensing,satellite-imagery,torchvision,transforms
GitHub 星标★ 4185
30天Star增速
HF 下载量
上线时间2021-05-21 00:00:00
最近更新2026-09-19 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

环境要求

  • 已安装 Python 与 pip 的本地环境
  • 可选:uv 包管理器(README 提供的另一种安装方式)
  • 可选:运行示例代码需额外安装 PyTorch 生态组件(示例中导入了 lightning.pytorch 与 torch)
  • conda / spack 用户请查阅官方安装文档

安装与启动步骤

  1. 1准备 Python 环境

    确认本机已有可用的 Python 和 pip;conda、spack 用户请先阅读官方安装文档再动手。

    python3 --version
    pip --version
  2. 2用 pip 安装 TorchGeo

    README 推荐的安装方式,一条命令即可把 torchgeo 及其依赖装进当前环境。

    pip install torchgeo
  3. 3或用 uv 安装

    如果习惯用 uv 管理依赖,README 给出的等价方式是 uv add,注意需在项目目录中执行。

    uv add torchgeo
  4. 4运行命令行工具

    安装完成后可直接调用 torchgeo 命令;在源码目录中也可用模块方式启动,均支持命令行配置。

    torchgeo --help
    python3 -m torchgeo --help
  5. 5跑通示例导入

    新建脚本或用交互式解释器执行 README 的导入片段,能无报错导入即说明库可用。

    from lightning.pytorch import Trainer
    from torch.utils.data import DataLoader
    
    from torchgeo.datamodules import InriaAerialImageLabelingDataModule
    from torchgeo.datasets import CDL, Landsat7, Landsat8, VHR10, stack_samples
    from torchgeo.samplers import RandomPatchSampler
    from torchgeo.tasks import SemanticSegmentation

如何确认成功

命令行执行 torchgeo(或 python3 -m torchgeo)能正常输出帮助信息,Python 中导入 torchgeo 各子模块不报错。

常见问题

Q:pip 和 uv 两种安装方式该选哪个?

A:README 优先推荐 pip;若项目已用 uv 管理依赖,则执行 uv add torchgeo,二者效果一致,不必重复安装。

Q:conda 或 spack 怎么装?

A:README 未给出具体命令,需查阅官方安装文档 https://docs.torchgeo.org/en/stable/user/installation.html 中的说明。

Q:怎么知道命令行工具支持哪些配置项?

A:运行 torchgeo --help 查看帮助信息,也可以使用 YAML/JSON 配置文件来传入参数。

Q:有入门教程吗?

A:官方文档的 tutorials 章节提供上手教程,另有论文、博客和 YouTube 频道可参考。

注意事项

  • README 只给出了 pip 与 uv 两种安装方式,conda/spack 请以官方文档为准。
  • 命令行工具支持命令行参数或 YAML/JSON 配置文件两种配置途径。
  • 示例代码依赖 lightning.pytorch 和 PyTorch,需自行确保这些依赖已安装。
  • 更多 API 文档与教程见 https://torchgeo.org 与 ReadTheDocs。

核心亮点

  • 与PyTorch生态无缝集成,API风格贴近torchvision,迁移成本低
  • 内置大量遥感数据集接口和地理感知采样器,省去重复的数据加载与坐标处理代码
  • 提供多光谱变换与预训练模型,覆盖分类、分割等常见地球观测任务

不足之处

  • 部分数据集需自行申请或下载,国内网络环境下获取数据可能不便
  • 文档与教程以英文为主,中文资料较少,新手入门有门槛

适用场景

  • 遥感影像地物分类与语义分割研究
  • 卫星多光谱/时间序列数据的深度学习建模
  • 地球观测方向的论文复现与教学实验

替代项目

raster-vision、terratorch

项目介绍

torchgeo 是计算机视觉领域的开源项目,由 torchgeo 开发,2021 年首次发布。

在全站 12,822 个收录项目中,它的 GitHub 星标数(4,185)位列前 10%,在计算机视觉分类的 445 个项目里位列前 10%。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-19。开源免费,MIT许可证。

它主要面向的使用场景是:遥感影像地物分类与语义分割研究。同类可对比的替代方案包括 raster-vision、terratorch。

上一篇:VLM-AutoYOLO

下一篇:rio-tiler

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 3995 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90893 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2035 2026-08-14