كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

timm

PyTorch Image Models (timm)

مجموعة ضخمة من معماريات الرؤية وأوزانها المدربة مسبقاً لـ PyTorch، من CNN إلى Vision Transformers.

نشطةمتوسطv1.0.31Apache-2.0الرؤية الحاسوبية ومعالجة الصور

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمtimm
الاسم الكاملPyTorch Image Models (timm)
التصنيفالرؤية الحاسوبية ومعالجة الصور
الجهة المطورةRoss Wightman، وتستضيفه Hugging Face
سنة الإطلاقغير محدد
الموقع الرسميgithub.com/huggingface/pytorch-image-models
مستودع GitHubhuggingface/pytorch-image-models
الوثائق الرسميةhuggingface.co/docs/timm/en/index
الحزمة على PyPItimm
الترخيصApache-2.0 (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار3 نوفمبر 2026 (الإصدار 1.0.31)
لغة البرمجةPython
أنظمة التشغيلغير محدد
إصدار Python المطلوب>=3.10
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

تضم timm مئات المعماريات (ResNet وEfficientNet وConvNeXt وViT وSwin وDeiT وغيرها) بواجهة موحدة timm.create_model، مع أوزان مدربة مسبقاً على Hugging Face Hub، وأدوات تدريب ومحسّنات ومخططات معدل تعلم.

هي المرجع العملي لتجربة محوّلات الرؤية وتبديل العمود الفقري (Backbone) في النماذج.

متى تختارها؟ اخترها لتجربة معماريات رؤية حديثة ومحوّلات الرؤية بأوزان جاهزة.

الاستخدامات

الاستخدامات الرئيسية

  • نقل التعلم بمعماريات حديثة
  • تجربة محوّلات الرؤية
  • استخراج السمات كعمود فقري لنماذج أخرى

المجالات العلمية

  • الرؤية الحاسوبية
  • الصور الطبية

أنواع المشاريع المناسبة

  • مصنف صور بـ ViT أو ConvNeXt

تطبيقات بحثية

  • مقارنة معماريات الرؤية بإعدادات موحدة

تصنيف الصورمحوّلات الرؤيةالشبكات الالتفافية

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)مدعوم
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةجزئي أو عبر إضافةسكربت التدريب المرفق يدعم التوزيع.
الاشتقاق التلقائي (Autodiff)مدعومعبر PyTorch.
نشر النماذج (Deployment)جزئي أو عبر إضافة
نماذج مدربة مسبقاًمدعوم
أنواع البيانات المدعومةموترات PyTorch
التكامل مع مكتبات أخرىPyTorch، TorchVision، Hugging Face Transformers
المرونة (تقدير تحريري)عالية
الأداء (تقدير تحريري)عالية
المجتمع (تقدير تحريري)كبير
جودة التوثيق (تقدير تحريري)توثيق على Hugging Face

التثبيت والتشغيل

Shell
pip install timm

التوافق: Python >=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطإنشاء Vision Transformer من timmنُفّذ واختُبر

الهدف: استعراض النماذج المتاحة وإنشاء ViT صغير بعدد فئات مخصص.

Python — example.py
import timm, torch

print("عدد نماذج ViT المسجلة:", len(timm.list_models("vit_*")))
model = timm.create_model("vit_tiny_patch16_224", pretrained=False, num_classes=3).eval()
x = torch.randn(2, 3, 224, 224)
with torch.no_grad():
    feats = model.forward_features(x)
    logits = model(x)
print("شكل السمات (دفعة، رقع+CLS، أبعاد):", tuple(feats.shape))
print("شكل المخرج:", tuple(logits.shape))

شرح الكود

list_models يبحث في أسماء النماذج بنمط، وcreate_model ينشئ النموذج. نستخدم pretrained=False لأن الأوزان تُنزَّل من Hugging Face Hub؛ في مشروعك اجعلها True للنقل التعلمي. forward_features يعطي تمثيل الرقع قبل رأس التصنيف.

المتطلبات

Shell
pip install timm torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

عدد نماذج ViT المسجلة: 214
شكل السمات (دفعة، رقع+CLS، أبعاد): (2, 197, 192)
شكل المخرج: (2, 3)

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — timm 1.0.31, torch 2.15.0, python 3.13.18

صفحة المثال

كل أمثلة timm في مستكشف الأكواد

المزايا

  • أكبر مجموعة معماريات رؤية بواجهة موحدة
  • أوزان مدربة كثيرة

القيود

  • تنزيل الأوزان يتطلب الوصول إلى Hugging Face Hub
  • تعدد الخيارات قد يربك المبتدئ

المراجع والتحقق

  • صفحة الحزمة على PyPI (مصدر الإصدار والترخيص وتاريخ الإصدار) تحقق مباشر

    https://pypi.org/project/timm/

    تاريخ التحقق: 21 نوفمبر 2026 — الإصدار المتحقق منه: 1.0.31 — المراجعة: فريق DLArabic

  • الموقع الرسمي رابط تعلنه الحزمة رسمياً على PyPI

    https://github.com/huggingface/pytorch-image-models

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • الوثائق الرسمية رابط تعلنه الحزمة رسمياً على PyPI

    https://huggingface.co/docs/timm/en/index

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • المستودع الرسمي رابط تعلنه الحزمة رسمياً على PyPI

    https://github.com/huggingface/pytorch-image-models

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
1.0.313 نوفمبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً