趋近智
DINOv3 ViT-L/16
参数
300M
上下文长度
-
模态
Text
架构
-
许可证
other
发布日期
6 Aug 2025
训练数据截止日期
-
API 价格 (每 1M)
仅支持自建托管
系统要求
不同量化方法和上下文大小的显存要求
1024 个令牌
2.22 GB VRAM
消费级
1x RTX 4090
24GB VRAM
数据中心
1x NVIDIA A100
80GB VRAM
Apple Silicon
1x Apple M3 Max
128GB VRAM
131072 个令牌
18.89 GB VRAM
消费级
1x RTX 4090
24GB VRAM
数据中心
1x NVIDIA A100
80GB VRAM
Apple Silicon
1x Apple M3 Max
128GB VRAM
架构图
评估基准
没有可用的 DINOv3 ViT-L/16 评估基准。
排名
排名
-
编程排名
-
关于 DINOv3 ViT-L/16
DINOv3 ViT-L/16 is a self-supervised vision transformer foundation model pretrained on large-scale visual data by Meta. It extracts robust semantic representations useful across dense visual downstream tasks.
技术规格
注意力
注意力结构
-
注意力头
-
键值头
-
注意力头维度
-
位置嵌入
-
RoPE Theta
-
滑动窗口注意力
-
滑动窗口大小
-
滑动窗口比例
-
线性注意力
-
线性注意力比例
-
归一化
-
激活函数
-
维度
辅助参数
-
隐藏维度大小
-
层数
-
FFN 中间层大小（稠密层）
-
多 Token 预测头数
-
分词器
词汇量大小
-
资源
关于 DINO
The DINO model family developed by Meta.
其他 DINO 模型
- 没有相关模型