YOLOv8及其改进(四) 本文(3万字) | 使用 Timm 库替换主干网络 |

---

点击进入专栏：
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程

---

timm 是一个包含最先进计算机视觉模型、层、工具、优化器、调度器、数据加载器、数据增强和训练/评估脚本的库。

该库内置了 700 多个预训练模型，并且设计灵活易用。(截止到本博客创作时间，已经 1000+ 模型了)

这个库也是 HuggingFace 团队的一个比较知名的库，如果大家将来想从事算法工作，这个会对你有很大的帮助。

代码库地址：https://github.com/huggingface/pytorch-image-models#getting-started-documentation
huggingface文档：https://huggingface.co/docs/timm/feature_extraction

---

前言

我们可以使用这个库中的模型当作 YOLOv8 的主干，以满足大家的改进和实验需求。

但是值得注意的是，使用这个库有利有弊！

首先，优点是可以使用大量的模型的主干网络结构，并且可以对应的加载结构的权重。抛开 YOLOv8 不谈，使用这个库我们可以直接用来处理各种任务，非常的方便。