[LAB 08 · 图像重建：遮挡损失与表示评价](/course/notebooks/b5ba27f2c5ba4ec0922208a7d5dc80a4.html)

# 已运行结果：能恢复笔画，也会模糊或补错
[独立阅读](/course/notebook-blocks/7653447b25ea4f148d99cc7e004b290b.html)
按问题继续

索引恢复、去噪/遮挡ConvAE训练、PCA基线、独立冻结评价

## 已运行结果：能恢复笔画，也会模糊或补错

| 去噪保留集指标 | 全像素MSE（越低越好） |
| --- | --- |
| 直接使用破坏图像 | 0.06244 |
| 训练集均值图 | 0.07351 |
| 16维PCA投影噪声图 | 0.04160 |
| 16维卷积去噪AE | 0.03217 |

| 评估遮挡率（均训练于50%） | 模型隐藏MSE | 训练均值隐藏MSE | 可见patch数 |
| --- | --- | --- | --- |
| 25% | 0.03933 | 0.07420 | 12 |
| 50% | 0.04341 | 0.07402 | 8 |
| 75% | 0.05563 | 0.07390 | 4 |

![同一保留输入的清洁、破坏、去噪、遮挡、填补与误差](/assets/display/cdcfe2b4d2103d5484256b71.webp)

显示的是切分后前8个保留ID，选择规则不看预测好坏。第五列把可见真值和模型预测的隐藏部分拼回一张图；不是整图每个像素都由模型预测。第六列对应这个拼回图的绝对误差，因此可见区域为零。第三列去噪结果则整幅来自模型。

笔画大体恢复，但某些0被补得过厚、3的弯曲部分变模糊，5也会出现错误笔画。平方损失在缺少证据时倾向平均可能的像素，这种模糊并不等于模型正确理解了数字。75%遮挡的模型仍低于均值基线，但隐藏误差上升；这只是本数据、固定权重与这组嵌套mask的结果，不能作为75%是通用最佳比例的证明。

**云端复核（2026-09-22）：同一代码在 Deepnote 的 Python 3.13 / PyTorch 2.12.0+cu130 环境以 CPU 张量完整执行。去噪MSE仍为0.03217，50%遮挡隐藏MSE为0.04341，冻结读出仍为95.00%/92.04%；与本地基准一致到所报告精度。保存的静态图和权重仍明确标作本地基准。运行 ID：22b87ac6-c0ca-4586-b562-4d72103337ef。**