DINOv3 实战指南一次跑通推理、选对骨干并避开高频坑【免费下载链接】dinov3Reference PyTorch implementation and models for DINOv3项目地址: https://gitcode.com/GitHub_Trending/di/dinov3DINOv3 是 Meta AI Research 发布的自监督视觉基础模型本仓库提供其参考 PyTorch 实现与全部骨干权重核心产出是可直接用于检索、匹配、分割的高密度密集特征。它最实用的地方在于多数任务只需给冻结的骨干接一层线性分类器或 k-NN不必微调。最大的 ViT-7B 骨干拥有 67 亿参数训练耗时 6 万多 H100 GPU 小时而最小的 ViT-S 只需 21M 参数即可在单卡上跑通。三步跑通第一次推理环境加载骨干本身只需要 PyTorch 2.7.1要跑完整的训练与评测脚本用仓库自带的conda.yaml建一个 Python 3.11 环境micromamba env create -f conda.yaml仅支持 Linux。代码git clone https://gitcode.com/GitHub_Trending/di/dinov3推理建议直接在克隆后的本地目录下加载。权重骨干权重不随代码分发需先到 Meta 官方下载页申请获批后邮箱里会收到全部权重 URL。最小推理示例如下以 ViT-B/16 为例from PIL import Image import torch from torchvision import transforms REPO_DIR /path/to/dinov3 model torch.hub.load(REPO_DIR, dinov3_vitb16, sourcelocal, weights权重路径或URL) model.eval() img Image.open(cat.jpg).convert(RGB) x transforms.functional.to_tensor(img).unsqueeze(0) # 3x224x224 with torch.inference_mode(): feat model(x) print(feat.shape) # 类 token 特征看懂输出这个特征向量是什么model(x)前向输出的是类 token 表示ViT-S/16、B/16、L/16 的嵌入维度依次为 384、768、1024可直接用于图像级分类或做余弦相似度检索。224×224 的输入被编码为 1 个类 token、4 个注册 token、196 个 patch token16×16 块密集任务需要逐 patch 表示用get_intermediate_layers()取即可。冻结特征在密集任务上同样能打ADE20K 线性分割上 ViT-B 51.8 mIoU、ViT-7B 55.9图像检索IN-RViT-L 88.1、ViT-7B 91.1。notebooks/ 下有前景分割、patch 特征 PCA 可视化、稠密/稀疏匹配、视频分割跟踪等现成入口适合边看边跑。模型规格怎么选骨干参数量嵌入维度定位ViT-S/1621M384快速实验、边缘部署ViT-S/1629M384轻量升级ViT-B/1686M768精度与速度的平衡点ViT-L/16300M1024多数下游任务的主力ViT-H/16840M1280追求更高精度ViT-7B/166.7B4096研究级需多卡/大显存另有 ConvNeXt Tiny→Large29M–198M适合对卷积式骨干有偏好的部署卫星图像预训练版SAT-493MViT-L 与 7B的归一化参数不同处理遥感数据时别直接套用网络图像的参数部署入口有三种torch.hub.load()指向本地克隆、Hugging Face Transformers4.56.0、timm1.0.20。下一步下游任务模块入口图像分类线性评测 dinov3/eval/linear.py、k-NN、逻辑回归均为单命令启动语义分割dinov3/eval/segmentation/ADE20K 线性头与 M2F 推理配置开箱即用深度估计dinov3/eval/depth/ 支持 NYUv2 线性深度与预训练 Depther 头目标检测dinov3/eval/detection/ 提供 DETr 式检测器dino.txt 方案支持文本对齐与零样本开放词汇分割分类、检测、分割、深度SYNTHMIX四类预训练头也可通过 PyTorch Hub 直接加载。常见坑速查权重必须从 Meta 官方申请获取建议用wget下载本地加载时传sourcelocalweights接受本地路径或 URL。ViT 输入尺寸必须是 16 的倍数不满足时模型会裁剪到最近的更小倍数而不是报错。在仓库根目录运行评测/训练脚本时记得前缀PYTHONPATH.。代码与权重采用 DINOv3 License商用前请核对 LICENSE.md 的条款。model(x)只给类 token要 patch 特征用get_intermediate_layers(reshapeTrue)还原为二维空间特征图。完整训练要求 PyTorch 2.7.1 与 Python 3.11官方参考配方ViT-L/16、32×H100约 14 小时k-NN 82.0%、线性评测 83.5%。跑通第一条命令后接下来的思路就一句话冻结骨干只训练轻头。【免费下载链接】dinov3Reference PyTorch implementation and models for DINOv3项目地址: https://gitcode.com/GitHub_Trending/di/dinov3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考