如何下载 XRay-DINO 权重并加载 xray_dino_vitl16 骨干模型【免费下载链接】dinov2PyTorch code and models for the DINOv2 self-supervised learning method.项目地址: https://gitcode.com/GitHub_Trending/di/dinov2DINOv2 仓库在 2025-12-18 新增了对 XRay-DINO 骨干的加载支持见 README.md 顶部的更新日志对应的 hub 入口是xray_dino_vitl16。与其他 DINOv2 预训练模型不同XRay-DINO 权重不放在公开直链上你需要先到官方页面提交申请通过邮件拿到临时下载链接再用torch.hub.load从本地克隆的仓库加载模型。加载模型本身只依赖 PyTorchhubconf.py 中dependencies [torch]不需要仓库里训练/评测代码那套 conda 环境。准备安装 PyTorch 并克隆仓库按 README.md 的说明加载模型的唯一必需依赖是 PyTorchREADME 建议安装带 CUDA 支持的版本。由于加载方式使用sourcelocal你必须先把仓库克隆到本地。xray_dino_vitl16这个入口由仓库根目录的 hubconf.py 声明第 10 行from dinov2.hub.xray_dino.backbones import xray_dino_vitl16模型实现位于 dinov2/hub/xray_dino/backbones.pygit clone https://gitcode.com/GitHub_Trending/di/dinov2克隆完成后记住这个目录的绝对路径后文记为REPO_DIR。申请并下载 XRay-DINO 权重XRay-DINO 权重的申请入口是README 给出的地址https://ai.meta.com/resources/models-and-libraries/raydino-downloads/在该页面填写申请表格后你会收到一封包含临时链接temporary link的邮件。README 给出了两种使用方式二者等价用wget把权重下载到本地文件系统然后把本地文件路径传给加载代码。README 明确建议用wget而不是浏览器下载这一点在仓库生物学相关模型章节中再次强调。不落地下载直接把邮件里的 URL 传给加载代码加载时由torch.hub在线拉取。第一种方式在拿到临时链接后执行把尖括号内容替换为邮件中的实际链接wget 邮件中的临时链接下载完成后记下.pth文件的完整路径。注意该链接是申请下发的临时链接是否长期有效以邮件内容为准文档未说明有效期。用 torch.hub.load 加载 xray_dino_vitl16README「Pretrained backbone: XRay-DINO」小节给出的加载代码如下。代码中有两个占位符加载前必须替换REPO_DIR上面克隆下来的 dinov2 仓库的本地目录路径weights二选一——wget下载后的本地 checkpoint 文件路径或邮件中的临时 URL。import torch REPO_DIR PATH/TO/A/LOCAL/DIRECTORY/WHERE/THE/DINOV2/REPO/WAS/CLONED xray_dino_vitl16 torch.hub.load(REPO_DIR, xray_dino_vitl16, sourcelocal, weightsCHECKPOINT/URL/OR/PATH)关于weights参数dinov2/hub/backbones.py 的_make_dinov2_model有两种处理分支字符串形式的 URLhttps/filescheme被直接使用本地路径会被convert_path_or_url_to_url转换成file://URL 再加载。也就是说传本地路径和传 URL 走的是同一条加载逻辑。有一点容易踩坑xray_dino_vitl16的weights参数默认值是枚举Weights.XRAY_DINO而实现里当weights是枚举时下载 URL 会从 DINOv2 公开目录dinov2/hub/utils.py 中的_DINOV2_BASE_URL拼装出来并不指向 XRay-DINO 的权重文件。XRay-DINO 权重不在那个公开目录里所以务必按 README 示例显式传入字符串形式的 URL 或本地路径不要依赖默认值。验证加载结果加载过程自带校验不需要额外写检查代码。dinov2/hub/xray_dino/backbones.py 中该入口写死了两个条件hashad31c2b0, check_hashTrue,hubconf.py 引用的_make_dinov2_model会用torch.hub.load_state_dict_from_url(url, map_locationcpu, check_hashcheck_hash)拉取权重并做 md5 哈希校验再以model.load_state_dict(state_dict, strictTrue)严格加载。因此权重哈希与ad31c2b0不一致文件损坏、下载不完整、或拿错了别的模型的 checkpoint时加载会在哈希校验处报错权重参数结构与模型不匹配时strictTrue会直接报错不会静默跳过缺失或多余的参数两步都通过时xray_dino_vitl16变量就是加载完成的模型实例可直接用于后续前向。从实现可以看出该模型的固定配置vit_large架构、patch_size16、img_size512、num_register_tokens0、block_chunks4dinov2/hub/xray_dino/backbones.py。许可与使用范围README 说明 XRay-DINO 模型权重在FAIR Noncommercial Research License下发布完整条款见 LICENSE_XRAY_DINO_MODEL。其中的关键限制仅限非商业研究用途明确禁止将材料或其输出用于提供医疗建议或任何临床目的、医疗流程材料未获 FDA 审查或批准分发权重时须随附该协议副本。如果你的用途超出非商业研究在下载和加载之前先确认许可条款。另外注意边界本仓库「Installation」一节的conda.yaml/requirements.txt环境PyTorch 2.0、xFormers 0.0.18 等是针对训练和评测代码的只加载xray_dino_vitl16骨干不需要这套环境PyTorch 即可。【免费下载链接】dinov2PyTorch code and models for the DINOv2 self-supervised learning method.项目地址: https://gitcode.com/GitHub_Trending/di/dinov2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考