解冻更多参数，不保证更好
课堂上下文：从哪个问题来
把第一部分的方法转为使用与评价：冻结读出问现成表示，微调问适配起点，二者应各有协议。
LAB 02从同一十分类CNN出发比较head、late、all，并加入随机起点scratch。新任务仍是数字是否≥5；head只更新新头，late更新后部，all更新全网。三种迁移共享源checkpoint、新头初始化、数据顺序和训练轮数。
已有默认协议是256训练、128验证、4轮、Adam学习率0.002。保存的最低验证交叉熵为head 1.906、late 0.877、all 0.849、scratch 0.611。按预先确定的“最低验证CE”规则，这一次应选择scratch，而不是因为课程在讲迁移就偏爱迁移模型。
这个负结果有教学价值：迁移是一种可检验起点优势，不是身份保证。相同轮数并不等算力，相同学习率也未必给每种范围公平的调优机会。可进一步只改标签预算或位移，再事先确定新的验证协议；不能反复看同一测试集直到挑出喜欢的结果。