冻结读出与微调分别在问什么？

冻结读出把 $f_\theta$ 固定，只学习新头 $Wh+b$。它问“当前表示中，答案能否被这个受限读出取出？”kNN甚至不拟合新网络，但仍用训练标签建参考库，并依赖距离、归一化和k。微调允许编码器改变，问“这个起点经过给定适配后能做到什么？”

公平比较首先固定目标任务、原图划分、标签预算和评价规则。按原图先划分再生成视图，避免同一原图的两个裁剪分别进入训练和测试。超参数和停点用验证集选择，测试集用于最终报告。已经看过的保留结果可供探索，却不再是未知验收题。

冻结参数还不自动冻结所有状态。含BatchNorm时，运行统计可能在train模式改变；eval()、no_grad()与requires_grad_(False)控制不同对象。LAB 02保留这项实现选读，主讲先抓住“哪些参数可动，答案用在哪里”。