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

# 运行准备与结果身份
[独立阅读](/course/notebook-blocks/8430582e1f5e4998a68580017714e408.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

## 运行准备与结果身份

本册包含全部生成数据、模型、损失、优化与评价代码。按顺序在**新内核**运行；不读另一册的变量，不需要下载图像或预训练权重。依赖 Python 3.12、NumPy、matplotlib、scikit-learn 和 CPU PyTorch。本次实际版本见输出 JSON；若环境缺少 PyTorch，先运行 `python -m pip install torch==2.14.0 --index-url https://download.pytorch.org/whl/cpu`，再启动内核。NumPy、matplotlib、scikit-learn 可用 `python -m pip install numpy matplotlib scikit-learn` 安装。

下方表格和静态图来自 **2026-09-22 本地 CPU 完整训练**；它们不是原来的数值热身输出，也不代表 Deepnote 云端已重跑。运行本册会另建 `lab08-notebook-output`，保存 inputs.npz、config.json、权重、图与 results.json。CPU 时间受机器负载影响；本次每册约 10–25 秒，不能当作跨设备速度基准。单种子、小任务的结果用来检验路径和对照，不作方法排名。