[LAB 19 · 新域：捷径反转与少标签适配](/course/notebooks/c20ef6a65d184331b1b52bf351077504.html)

# 学习路径： 表示怎样迁移到新任务
[独立阅读](/course/notebook-blocks/d066bd38245d4d849bd1b05e2cf09b01.html)
按问题继续

源域捷径、目标域反转、少标签适配与同预算scratch

**学习路径：** [表示怎样迁移到新任务](/course/study/readout-transfer.html)

这是[CLS 06](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/c0645a4db6e04188ab5b119e87c53bed)的新域支路：**到新环境变差，与迁移不如从头训练，是同一句话吗？**

先预测两维线索中哪一维会失效，再读源域、目标域直接使用、32标签适配与同预算scratch四项评价。分别算“适配相对直接使用”和“迁移相对scratch”的差值；它们回答不同问题。

你的产出是用这两个差值写两句范围明确的判断。输入是解析线索，模型确实训练，但不是照片实验。[P24](/course/pages/l3-r2-p24.html)及[新域与负迁移](/course/blocks/environment-shift-versus-negative-transfer.html)保留上下文；需要真实图像的参数适配时接[LAB 02](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/4bd450d54870432db91c80a4df563b8e)。