[LAB 04 · CLIP：候选、提示与关系检验](/course/notebooks/0ba963931ddf4866b507b210d93a43bf.html)

# 5 · 2026-09-22 保存实测：固定权重复核与关系分数
[独立阅读](/course/notebook-blocks/4f42285447374de387bf748b74f29f7f.html)
主线阅读与优先实验

真实CLIP输入/权重/分数、候选改动、四条件规则与独立关系推理

## 5 · 2026-09-22 保存实测：固定权重复核与关系分数

此前的猫图实验已经包含真实模型，值得复用。2026-09-22 的修复从原站源码 `bbf8a78` 的 `course/materials/lab10-clip.zip` 恢复照片、固定配置、旧结果和 provenance，未把旧分数换成新日期。随后在本地全新 Python 进程实际载入同一 CLIP ViT-B/32 checkpoint，完成图像编码、文字编码、归一化和相似度；没有重新训练 CLIP。

权重 revision 为 `3d74acf9a28c67741b2f4f2ea7635f0aaf6f0268`，权重 SHA-256 为 `a63082132ba4f97a80bea76823f544493bffa8082296d62d71581a4feff1576f`。真实猫图的预处理张量 SHA 与旧记录一致，四臂全部 cosine 与旧输出的最大绝对差为 **1.0431×10⁻⁷**。这项复核支持“使用相同输入和模型得到相同分数”，不把一个样本的成功扩大为模型总体准确率。

[完整代码、输入、缓存和 2026-09-22 输出](/course/materials/lecture03-clip-retrieval.zip)，下载解压后先安装 `requirements-cache.txt`。缓存阅读和检索无需下载 605 MB 权重。若要在自己的环境重算编码，安装 `requirements-inference.txt`，执行 `python fetch_clip.py`，再执行 `python run_clip_retrieval.py --encode`。固定权重哈希错误会停止，下载失败不会伪造分数。新运行进入新的 UTC 时间目录。