在 z 上比较，为什么 h 仍会学习？

训练路径是 $x\to f_\theta\to h\to g_\phi\to z\to L$。投影头不是一道截断墙：链式法则中 $\partial L/\partial\theta=(\partial L/\partial z)(\partial z/\partial h)(\partial h/\partial\theta)$，梯度穿过g更新f。迁移时读取h，是选择另一个使用接口。

考虑一个可行构造：$h=(u,c)$分别含形状与颜色，$g(h)=u$。两视图颜色不同但形状相同，那么z可以满足颜色不变性，而h仍有位置放颜色。这解释了投影头为什么可能缓和“训练要忽略”与“未来要保留”的冲突。

这个构造不保证网络一定学成这样。LAB 06的真实换色训练中，h的颜色5NN读出也接近机会水平（不等于所有读出都无法取得颜色）；有时z的形状读出反而优于h。正面理解是投影头提供了分工空间，实证问题则是训练后哪一层对哪项任务更有用。