[CLS 01 · 学习信号、表示与迁移](/course/notebooks/fb4365d604974dd19df492cb22516e44.html)

# 选择一个使用问题，做一次完整比较
[独立阅读](/course/notebook-blocks/df034e9618f14dfe8489b5f4e5ec0247.html)
主线阅读与优先实验

标签供给、文本目标接口、视图/队列/MAE图与表示迁移证据

### 选择一个使用问题，做一次完整比较

| 你的问题 | 首选实验 | 应保持的条件 |
| --- | --- | --- |
| 现成表示里能读出什么？ | [LAB 01 · 固定表示：标签预算与读出](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/4dd8605ed9904820919ea9e13d9e7d7c?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=4dd8605ed9904820919ea9e13d9e7d7c&utm_term=get_notebook) | 编码器、样本划分、预处理不变；改变标签预算或读出 |
| 允许改参数后是否值得？ | [LAB 02 · 参数迁移：冻结、局部与全量微调](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/4bd450d54870432db91c80a4df563b8e?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=4bd450d54870432db91c80a4df563b8e&utm_term=get_notebook) | 同一源checkpoint、新任务与划分；比较冻结、局部、全量和scratch |

两本都使用已有有监督CNN及数字任务，不冒充自监督视觉预训练。LAB01显示固定表示下kNN与线性读出的差别；LAB02的默认历史协议中scratch验证CE更低，保留这个负结果是为了让判断由证据决定。

[冻结读出与微调分别在问什么？](/course/blocks/readout-versus-finetuning-protocol.html) 解释两种协议的含义；[解冻更多参数，不保证更好](/course/blocks/adaptation-scope-and-negative-result.html) 解释怎样读负结果。主线完成后再按需要读XOR或域变化，避免把所有短实验变成额外必做任务。