把一次学习走通，也读清实现顺序
课堂上下文：从哪个问题来
本页把前两页对象放回一条可追踪过程。纸面步骤与Notebook时序有细微差异，说明已明确标注。
沿当前图逐项走：本批原图产生两视图；query/key编码器分别给出q、k⁺；q与k⁺及旧队列比较；loss更新query；key按EMA跟随；本次已经算出的k⁺入队、最老key出队。旧队列不因本步更新重算。
主讲画面按原论文Algorithm 1排列。当前LAB 07教学代码则在计算本批key之前执行EMA，再计算loss和query更新。这是训练步内的时序约定差异，读代码时必须跟着实际顺序，不要声称逐行相同。两者共享的关键机制是：query接受梯度、key停止梯度并平滑跟随、队列复用历史特征。
LAB 07另外在队列保存源图ID，屏蔽同源旧key，避免同一图片再次出现时成为自己的负例；不同源图仍可能属于同一类别。它没有论文的分布式ShuffleBN，训练15轮的效果也不用于论文排名。学生完成本节后，应能指出一条key何时生成、何时用于比较、何时离开。
query、正例、旧队列、两次参数更新与FIFO是同一步的不同对象。 查看对应图解状态
- 同一输入
- 视图 a
- 视图 b
- query 编码器
- key 编码器
- q
- k⁺ = k₅
- L = −ln p⁺
- 比较用旧字典
- k₁ … k₄
- q 与所有候选比较
- k⁺ 是本轮正确项
- 梯度 → θq
- EMA
- k₅ 入队；k₁ 退队
- k₂ k₃ k₄ k₅
- 下一批的字典
- 按原文算法 1：更新 query，再平均 key 参数并维护下一批的字典。