[CLS 05 · 对比学习：视图、投影与历史字典](/course/notebooks/b8320404134f4a2e858ccfe7d50a71d3.html)

# 研究者为什么有理由继续沿这条路线走？
[独立阅读](/course/notebook-blocks/aa9100c6e89d426aa1200f6c622cd2fb.html)
按问题继续

InfoNCE概率与梯度、h/z、温度、队列陈旧性、实测与评价协议

## 研究者为什么有理由继续沿这条路线走？

MoCo原论文Table 2(b)在同一Faster R-CNN、ResNet-50-C4设置下比较预训练起点：

| 预训练 | box AP | AP50 | AP75 |
| --- | --- | --- | --- |
| ImageNet-1M 人工类别监督 | 53.5 | 81.3 | 58.8 |
| ImageNet-1M MoCo | 55.9 | 81.5 | 62.6 |

两者均在VOC trainval07+12检测标注上全层微调24k次，评价为VOC test2007，取5次实验平均；AP是COCO式多IoU阈值指标，AP50/AP75是指定阈值。MoCo相对提高2.4 AP，说明视图对比学出的参数在这套下游协议下提供了有效起点。

这不是冻结模型直接会检测：检测头与主干都用检测监督适配。它也不把所有预训练和下游总算力配平。相同论文的另一种主干结构收益不同，因此结论应保留具体模型与协议。

这份研究证据和上面的LAB07失败结果并不冲突：前者是论文规模、数据与下游协议下的能力进展；后者是小型教学实现的某次表示结果。机制跑通和用途改善应分别判断。

[把一次学习走通，也读清实现顺序](/course/blocks/moco-one-step-paper-and-code.html) 对照本页图解与LAB07的步内时序；[模拟问答：旧 key 还能比较吗？](/course/blocks/moco-point-at-the-figure-dialogue.html) 提供可指认key身份的模拟问答。第一次动手只选 [LAB 06 · 颜色干预：视图、投影与读出](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/7c4f531113d7473abc174e2e014e1340?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=7c4f531113d7473abc174e2e014e1340&utm_term=get_notebook) 的颜色干预或 [LAB 07 · MoCo：历史 key、队列与两种更新](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/0d1b8f6fbf6a476c93ffcc169f2ec1f4?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=0d1b8f6fbf6a476c93ffcc169f2ec1f4&utm_term=get_notebook) 的队列路径之一，不要求两本重复训练。