如何下载 XRay-DINO 权重并加载 xray_dino_vitl16 骨干模型？-开发者社区

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/dinov2

DINOv2 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 PyTorch（hubconf.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 PyTorch，README 建议安装带 CUDA 支持的版本。

由于加载方式使用source='local'，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.py：

git 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_vitl16

README「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', source='local', weights=<CHECKPOINT/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 URL（https/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：

hash="ad31c2b0", check_hash=True,

hubconf.py 引用的_make_dinov2_model会用torch.hub.load_state_dict_from_url(url, map_location="cpu", check_hash=check_hash)拉取权重并做 md5 哈希校验，再以model.load_state_dict(state_dict, strict=True)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，strict=True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_size=16、img_size=512、num_register_tokens=0、block_chunks=4（dinov2/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