[LAB 02 · 参数迁移：冻结、局部与全量微调](/course/notebooks/4bd450d54870432db91c80a4df563b8e.html)

# 可以带走的是比较方法：同一个起点、明确新标签、独立划分、固定更新范围、验证选择、保留集评价
[独立阅读](/course/notebook-blocks/b9f56027bcce40909d958c3732474a97.html)
按问题继续

同源参数的冻结/局部/全量/scratch与BN模式辨析

可以带走的是比较方法：同一个起点、明确新标签、独立划分、固定更新范围、验证选择、保留集评价。不能带走的是本数字实验的准确率或最佳方案。

给叶片实验写一张下一步表：预训练来源及输入处理、按叶片/来源分组的划分、只训练新头的起点、解冻候选、评价指标、预算、会推翻当前选择的证据。保持结果栏为空，直到真实叶片数据和运行结果存在。

**继续一步**：把训练样本改为64，或把DX改为0，只改一项并重新运行第1节起的所有单元。先记预测，再比较训练/验证间距。第二轮之后保留集已被看过，探索结果应如实记录，正式报告需要重新预先固定评价协议。

来源：既有 LAB02 v2 检查点与官方 MNIST 训练文件，准确索引和文件哈希已内置；本页二分类比较不复用旧准确率作为新输出。[MNIST 来源](https://yann.lecun.com/exdb/mnist/) · [历史 L02-LAB 02 源模型与训练记录](https://codingai-lec02.pages.dev/course/lab02.html)。

**返回第三讲：**[主讲：三种更新范围](/#/l3-r2-p23/0) · [CLS 01 · 学习信号、表示与迁移](/course/c02-signals.html) · [统一导读](/course/guide.html)。

[旧第二讲 LAB 09 兼容入口](https://codingai-lec02.pages.dev/course/lab09.html)保留作历史兼容；当前学习路径以上面的第三讲入口为准。