待验证50% 置信事实精确时间
DINOv2 Giant参数量约11亿，嵌入维度为1536
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
DINOv2 vs SigLIP：k-NN分类为何差距悬殊？视觉编码器选型避坑指南
redditr/MachineLearning2026/7/8
相关事实
待验证DINOv2 Giant参数量约11亿、嵌入维度1536，均显著大于SigLIP2 SO400M（约4亿参数、维度1152）和CLIP ViT-L（约3亿参数、维度768），但k-NN任务表现最差85% 相似待验证DINOv2 Giant输出嵌入维度高达1536维，在仅175张训练样本下k-NN面临维度灾难挑战73% 相似待验证LLaMA-2 70B 总参数约 700 亿均匀分布于 80 层，每层约 8.75 亿参数，FP16 精度下单层约占 1.75GB 显存67% 相似部分验证嵌入模型生成的向量通常为768维或1536维66% 相似待验证运行700亿参数级别开源模型在 FP16 精度下至少需要约 140GB 显存，即 8 张 H100 并行65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/469428API
curl https://kongchang.com/api/v1/knowledge/claims/469428MCP
get_claim(id=469428)