[LAB 07 · MoCo：历史 key、队列与两种更新](/course/notebooks/0d1b8f6fbf6a476c93ffcc169f2ec1f4.html)

# 学习路径： 视图、投影头与历史字典
[独立阅读](/course/notebook-blocks/bda40b912db744b8a81368d331171baa.html)
按问题继续

真实FIFO键、EMA、梯度更新及低于随机基线的保留结果

**学习路径：** [视图、投影头与历史字典](/course/study/contrastive-views.html)

**本步拿到的旧key来自哪里，又怎样与当前query比较？**

先手推容量4的FIFO与一次EMA，再在`train_moco`找到query、key、旧队列、loss和入队位置。读前5步trace，指出首次淘汰的是哪批特征；旧向量不会因EMA自动重算。

本册用真实图像和反向传播，保存结果中损失下降，但形状读出低于随机基线。你的产出是一次更新的有向流程加一句评价：哪项证据证明机制接入了训练，哪项证据回答下游用途。

[P17本页说明](/course/pages/l3-r2-p17.html)与[论文/代码时序对照](/course/blocks/moco-one-step-paper-and-code.html)区分主讲Algorithm 1和本实现先EMA再编码key的顺序。本册与[LAB 06](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/7c4f531113d7473abc174e2e014e1340)共享图像来源，分别回答字典组织和增强取舍；不要求把两个训练都重跑。