企业官网建设流程全解析

如何用 Cell-DINO 在 HPAone 上运行蛋白质定位线性评估并得到 mean_per_class_multilabel_f1？

【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

如果你已经拿到一个 Cell-DINO（ViT-L/16）模型权重，想验证它在 HPAone（HPA 单细胞）数据集上的蛋白质定位（protein localization）能力，本文给出仓库 docs/README_CELL_DINO.md 中的完整操作路径：冻结骨干网络、只训练线性分类头，并用mean_per_class_multilabel_f1作为验证指标。评估在单个节点上运行，跑完后你会在输出目录得到 best classifier 名称和对应的 F1 数值。

准备条件

1. 环境

按 docs/README_CELL_DINO.md 的安装说明，构建 Python 3.10 环境并安装依赖：

conda create -n py310 python=3.10 conda activate py310 pip install -r requirements.txt pip install -U scikit-learn

运行评估命令时必须让dinov2包位于 Python 模块搜索路径中，即命令前加PYTHONPATH=.（评估脚本实际写作PYTHONPATH=.:dinov2/data，因为需要直接引用dinov2/data下的数据集模块）。

2. 数据

HPA-FoV 和 HPA single cell（HPAone）数据集的下载入口见 docs/README_CELL_DINO.md 的 “Data preparation” 一节（文档给出了 EBI BioStudies 数据页链接，请自行查阅原文获取）。

HPAone 的数据加载器（dinov2/data/datasets/cell_dino/hpaone.py，dataloader : HPAone.py）要求数据集根目录下有以下 5 个文件：

• fixed_size_masked_single_cells_HPA
• varied_size_masked_single_cells_HPA
• varied_size_masked_single_cells_pretrain_20240507.csv
• fixed_size_masked_single_cells_evaluation_20240507.csv
• fixed_size_masked_single_cells_pretrain_20240507.csv

其中训练 split（TRAIN）读取fixed_size_masked_single_cells_pretrain_20240507.csv，验证 split（VAL）读取fixed_size_masked_single_cells_evaluation_20240507.csv，图像统一从fixed_size_masked_single_cells_HPA目录加载。

蛋白质定位任务使用多标签（multilabel）标注：hpaone.py中定义的PROTEIN_LOCALIZATION共 19 个类别（如nucleoplasm、mitochondria、nuclear membrane等），每张图对应一个 19 维 0/1 标签向量。

3. 模型权重

--pretrained-weights需要一个检查点文件，文档给出两种来源：

• 自训练产物：用 dinov2/run/train/train.py 在 HPAone 上训练时，训练代码每隔 9000 次迭代把 teacher 权重保存到eval文件夹。文档示例用的是<训练输出目录>/eval/training_44999/teacher_checkpoint.pth（迭代号随你的训练进度而定）。
• 官方发布的预训练权重：README 指出下载说明在根目录 README.md 末尾 “DINO for Biology” 一节，HPA single cell 模型对应 hubconf 入口cell_dino_hpa_vitl16（见 dinov2/hub/cell_dino/backbones.py）。

执行线性评估

蛋白质定位任务的评估命令来自 docs/README_CELL_DINO.md：

PYTHONPATH=.:dinov2/data python dinov2/run/eval/cell_dino/linear.py \ --config-file dinov2/configs/eval/cell_dino/vitl16_pretrain.yaml \ --pretrained-weights <CHECKPOINT/PATH> \ --output-dir <PATH/TO/OUTPUT/DIR> \ --train-dataset HPAone:split=TRAIN:mode=PROTEIN_LOCALIZATION:root=<PATH/TO/DATASET> \ --val-dataset HPAone:split=VAL:mode=PROTEIN_LOCALIZATION:root=<PATH/TO/DATASET> \ --val-metric-type mean_per_class_multilabel_f1 \ --loss-type binary_cross_entropy \ --avgpool

占位符替换说明（均沿用文档中的写法）：

• <CHECKPOINT/PATH>：上面第 3 小节准备的一个检查点路径，训练产物示例为<PATH/TO/OUTPUT/DIR>/eval/training_44999/teacher_checkpoint.pth；
• <PATH/TO/DATASET>：HPAone 数据集根目录（含上述 5 个文件）；
• <PATH/TO/OUTPUT/DIR>：评估结果与检查点输出目录，命令执行时会自动创建。

各参数的作用：

• --config-file：指定 dinov2/configs/eval/cell_dino/vitl16_pretrain.yaml，内容为 student/teacher 均为vit_large、patch_size: 16、in_chans: 4（HPA 图像为 4 通道），评估脚本据此构建并加载模型；
• --train-dataset/--val-dataset：数据集名:split=...:mode=...:root=...格式，mode=PROTEIN_LOCALIZATION决定加载 19 维多标签标注；换到 HPAFoV 时按文档说明把HPAone替换为HPAFoV并加载对应模型权重；
• --val-metric-type mean_per_class_multilabel_f1：验证指标，在 dinov2/eval/metrics.py 中映射为MultilabelF1Score(num_labels=19, average="macro")，即每个定位类别先算 F1 再取宏平均；
• --loss-type binary_cross_entropy：线性头损失用nn.BCEWithLogitsLoss()（多标签必需；细胞系分类任务则用默认 cross entropy）；
• --avgpool：在线性输入中额外拼接 patch tokens 的平均池化结果（除 CLS token 外）。

脚本内部行为（见 dinov2/eval/cell_dino/linear.py）：骨干网络冻结，只训练LinearClassifier线性头；优化器为 AdamW，默认调度器 CosineAnnealingLR；学习率在 16 个候选值上做网格搜索，weight decay 在[0.0, 0.0001, 1.0e-05]中搜索，每个 (lr, wd) 组合各训一个线性头，默认epochs=30、epoch_length=145、batch_size=64。每eval_period_iterations次迭代在验证集上评一次，F1 最高的分类头会被记为 best classifier 并保存。

一个需要留意的文档差异：README 中“评估官方预训练权重”的蛋白质定位命令写的是python dinov2/run/eval/linear_celldino.py，但该路径在当前仓库中不存在；仓库内实际存在的是dinov2/run/eval/cell_dino/linear.py（README 中训练 checkpoint 评估与细胞系分类命令均用它）。本文使用存在的路径。

结果验证

评估过程与结果落在两处：

1. 日志：训练中周期性打印running validation !、每个候选头的指标行、best classifier: {'name': ..., 'accuracy': ...}；结束前打印Test Results Dict ...，其中 best classifier 对应的数值即最终成绩（代码中该主指标为 F1 × 100）。
2. 输出文件：<PATH/TO/OUTPUT/DIR>/results_eval_linear.json，主进程每次评估都会向其中追加iter: <迭代号>和 best_classifier 的 JSON 记录，可直接查看最后一轮结果。

判断标准参考文档给出的数值：按 README 的训练配方（4 个 A100-80GB 节点、约 2 天）在 HPAone 上训练的模型，线性评估的蛋白质定位 F1 应达到 78.5。不同权重和超参组合下结果会有出入，以你自己输出目录中的results_eval_linear.json为准，文档未承诺其他固定数值。

边界与说明

• 该评估脚本文档定位为“single node”运行；命令通过 submitit 启动（dinov2/run/eval/cell_dino/linear.py 只是 Evaluator 的 submitit launcher）。
• 仓库代码与模型权重仅供研究使用，不用于临床诊断等医疗场景（docs/README_CELL_DINO.md 有明确声明）。
• 细胞系分类（CELL_TYPE）任务与本场景是独立任务：需要mode=CELL_TYPE与--val-metric-type mean_per_class_multiclass_f1，且不需要--loss-type binary_cross_entropy，命令见 README 对应小节。

【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