快速跑通DINOv35分钟上手视觉基础模型【免费下载链接】dinov3Reference PyTorch implementation and models for DINOv3项目地址: https://gitcode.com/GitHub_Trending/di/dinov3手头一堆图片想算出能直接喂给分类器、分割头的特征向量又不想标注——DINOv3 就是干这个的自监督预训练的视觉基础模型冻结特征即可在分类、检索、分割任务上直接出活。下面 5 分钟带你跑通最小流程。️ 环境就绪一条命令搞定依赖就仨装完就能跑不用求神拜佛torch推理核心torchvision图像预处理工具链pillow、numpy装 torchvision 时自动带上pip install torch torchvisionDINOv3 官方按 PyTorch 2.7 验证没有 GPU 也能跑通下面的推理示例只是慢一个量级。⚡ 30 秒出结果最小可运行示例这段代码在干嘛加载最小的 ViT-S 骨干ViT 即 Vision Transformer把图切成小方块再提特征的架构把一张图拆成「整图一个向量」加「14×14 个方块各一个向量」。import torch from torchvision import transforms model torch.hub.load(facebookresearch/dinov3, dinov3_vits16) # 21M 参数小号骨干 model.eval() t transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), # 预训练权重按 ImageNet 统计对齐 ]) # 随机像素凑数保证粘贴即跑正式使用时换成 Image.open(your_image.jpg).convert(RGB) x t(transforms.ToPILImage()(torch.randint(0, 255, (3, 224, 224), dtypetorch.uint8))).unsqueeze(0) with torch.no_grad(): cls model(x) # 前向默认返回类 token (patch,) model.get_intermediate_layers(x, n1, reshapeTrue) # 取最后一层的 patch 特征 print(cls.shape, patch.shape)跑完你应看到torch.Size([1, 384])和torch.Size([1, 384, 14, 14])——前者是整图特征后者是 196 个位置的密集特征首次加载会自动下载 checkpoint 并缓存到本地。 换个姿势本地仓库加载机器连不上外网或者你想研究 hub 构建逻辑时先把仓库拉到本地git clone https://gitcode.com/GitHub_Trending/di/dinov3import torch # 模型定义代码取自本地克隆目录权重仍按官方渠道下载 model torch.hub.load( repo_dir/dinov3, dinov3_vits16, sourcelocal, )sourcelocal一开torch.hub 只在你给的目录里找代码不再联网拉仓库——内网离线环境就靠它。 规格怎么选三句话讲明白规格参数量一句话适用场景ViT-S/1621M快速验证想法CPU 都能扛ViT-B/1686M日常主力精度速度均衡ViT-L/16300M冲精度上限单卡 12GB 显存起步ViT-H/16840M极限精度场景多卡伺候ConvNeXt-Large198M偏爱卷积、不想吃 Transformer 显存口诀显存紧选 S日常用 B冲精度上 LH 留给极限场景想吃卷积路线就选 ConvNeXt。 效果数据让数字自己说话以下都是冻结特征 线性头的官方结果LVD-1689M 预训练ImageNet 线性探针IN-RViT-B/16 76.7%ViT-L/16 88.1%ViT-7B/16 91.1%ObjectNetViT-L/16 74.8%ViT-7B/16 91.1%ADE20K 语义分割 mIoU线性ViT-L/16 54.9NYUv2 深度估计线性ViT-7B/16 AbsoRel 0.309越低越好 踩坑自查报错先对照这里这四条覆盖了一成之外的九成报错剩下的一成建议直接睡一觉现象torch.hub.load 下载权重报 403 或链接失效 → 原因DINOv3 预训练权重需在官网申请后拿到带签名的下载链接 → 一行解法把该 URL 通过weights参数传入不走默认地址现象内网机器拉代码失败 → 原因默认从 GitHub 仓库拉取 → 一行解法用上一节的sourcelocal指向本地克隆现象patch 网格数比预期少 → 原因输入边长不是 16 的整数倍时模型会静默裁剪 → 一行解法按示例先Resize(256)再CenterCrop(224)现象ViT-L 直接 CUDA out of memory → 原因300M 参数模型叠加高分辨率输入 → 一行解法降回 vits16 / vitb16或把输入边长压回 224 下一步从跑通到跑深压测特征质量线性探针跑 linear.py不想训练就看 knn.py往下游走语义分割在 segmentation/目标检测在 detection/想碰训练预训练主循环在 ssl_meta_arch.py配方目录在 configs/train/把「30 秒出结果」那段代码原样粘进终端半分钟后你手里就有第一组可用的特征向量了。【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