CLS 05 · 对比学习：视图、投影与历史字典

学习路径： 视图、投影头与历史字典

P08同源视图 → P12投影头 → P17一次队列更新

先把一张图的两种观察放入同一候选表，算出正例概率；再追踪梯度怎样经过z回到h，以及旧key为什么需要缓慢变化的编码器。温度的概率与梯度算例、队列身份都可以独立引用。

动手只选一个入口：想检查增强留下什么，选LAB 06；想追踪真实key、FIFO和EMA，选LAB 07。读完用一张图或一段trace指出输入、候选和两种参数更新，再用独立读出评价它是否对任务有用。后文同时保留论文迁移进展和小型实验的失败结果，二者的数据与协议分别写明。

拍同一只杯子，改变光照、裁剪和背景，类别仍然是杯子。若能把这些变化视为同一对象的不同观察，训练目标就可以来自图像自身：两次观察的表示应该接近，其他图像的表示提供区分参照。但如果下一项任务是分辨红杯和蓝杯，“改变颜色仍然算同一个”就不再无害。对比学习的正例关系，是设计者通过数据和增强作出的任务假设。 它不是无标签数据自动告诉我们的普遍相同性。

从两张视图到一个可微分的选择题

给原图 $x$ 独立采样增强 $t,t'$，得到 $v=t(x),v^+=t'(x)$。编码器 $f_\theta$ 产生表示 $h=f_\theta(v)$；投影头 $g_\phi$ 产生 $z=g_\phi(h)$，通常再做 $\ell_2$ 归一化。余弦相似度便是单位向量点积 $s(q,k)=q^Tk$。正例 key 来自同一原图另一视图，候选负例来自其他原图。

对一个 query $q$、一个正例 $k^+$ 和若干负例 $k_j^-$，写出 InfoNCE 形式：

$$L_q=-\log\frac{\exp(s(q,k^+)/\tau)}{\exp(s(q,k^+)/\tau)+\sum_j\exp(s(q,k_j^-)/\tau)}.$$

这里 $\tau>0$ 是温度，分母包含正例。它把“拉近正例、推开负例”写成在当前候选集合里选中正例的交叉熵。候选身份来自采样过程，不是人工类别；两张不同原图可能都是杯子，所以负例并不保证语义类别不同。实例区分与类别聚合之间存在真实张力。

SimCLR 的一个 batch 有 $N$ 张原图，生成 $2N$ 个视图。对其中任一视图，排除自身，余下 $2N-1$ 项中有一个正例和 $2N-2$ 个负例。自身相似度通常接近 1，若误把它留进分母，就额外加入一个不可避免的强竞争者。损失平均两个方向：视图 A 找 B，B 也找 A。可核对 SimCLR §2、式 1 与 Algorithm 1。

温度改变竞争强度，不改变这组相似度的排序

固定三项相似度：正例 0.8，两个负例 0.4、0.2。直接代入上式得到：

因为正例已经领先，低温度放大它的优势。若把正例改成 0.3、最强负例仍为 0.4，低温度则会更强地惩罚错误排序。不能仅因降低温度使这张表的损失变小，就宣称表示更好了。

梯度把这个现象写得更精确。令 $p_j$ 为候选 softmax 概率，则

$$\frac{\partial L}{\partial s_+}=\frac{p_+-1}{\tau},\qquad \frac{\partial L}{\partial s_j^-}=\frac{p_j}{\tau}.$$

温度既出现在 $1/\tau$ 中，也改变 $p$。所以“温度越低，所有梯度越大”不成立：本例正例梯度的绝对值在 $\tau=0.5$ 时约 0.8575，在 0.1 时反而约 0.2037，因为预测已饱和。最相似负例会获得更多概率和更强排斥，但过度强调困难负例也可能放大假负例或噪声。

上半图按表中真实计算值画出候选概率；下半图是长度 6 的 FIFO 队列，加入两个新 key 后移出两个最老 key。温度控制一次比较，队列控制比较对象从哪里来。

为什么损失作用在 z，迁移却常读 h

假设 $h=(u,c)$，$u$ 编码形状，$c$ 编码颜色。若增强经常改变颜色，两个视图可能有相同 $u$、不同 $c$。直接要求整个 $h$ 相同，会压制颜色差异；增加投影头以后，$g(h)=u$ 这样的映射可以在 $z$ 中满足不变性，而 $h$ 仍可能留下颜色。这是一个可行性构造，不是声称真实网络一定学成两根独立坐标。

损失计算在 $z$ 不代表编码器没学：链式法则给出 $\partial L/\partial\theta=(\partial L/\partial z)(\partial z/\partial h)(\partial h/\partial\theta)$。梯度穿过投影头更新编码器。SimCLR 通过实验发现非线性投影头有益，并把投影前表示用于下游；这支持区分目标空间与读出空间，不能推广成“h 永远保留全部被增强抹掉的信息”。图像已经被转成灰度时，该视图根本不含原颜色；若所有训练视图都删掉颜色，表示也没有从这些输入恢复真实颜色的依据。

在 LAB 06 中，应同时检查颜色/形状任务、增强设置和 $h/z$ 读出。最有解释力的比较是：同一原图划分、相同模型容量与读出预算，只改变颜色增强；再看形状读出和颜色读出是否朝不同方向变化。不能用颜色损失下降代替形状泛化，也不能把随机二维向量当作实际训练出的特征。

队列解决候选数量，EMA 缓和特征坐标系漂移

当前 batch 较小时，每个 query 可比较的负例有限。MoCo 把近期 batch 的 key 特征保存为队列，下一批仍可使用，因而字典大小不完全受当前 batch 限制。长度 6 的队列从 [a,b,c,d,e,f] 加入 [g,h] 后成为 [c,d,e,f,g,h]。里面存的是先前编码好的向量；它不保存那些图片的完整计算图，也不在每一步重算所有旧向量。

这节省了候选编码计算，却产生一致性问题。若编码器每步剧烈变化，昨天向量的某个方向和今天向量的同一方向可能不再表达类似内容。MoCo 使用 query 编码器参数 $\theta_q$ 做正常梯度更新，key 编码器则采用参数指数移动平均：

$$\theta_k\leftarrow m\theta_k+(1-m)\theta_q.$$

取 $m=0.9$，旧 $\theta_k=(0,2)$，当前 $\theta_q=(2,4)$，新 key 参数是 $(0.2,2.2)$。若下一步 query 仍相同，新 key 为 $(0.38,2.38)$。平均的是网络参数，不是队列向量，也不是 Adam 的梯度动量；旧 key 不会因这一步 EMA 自动刷新。$m=0$ 令 key 立即跟随 query，$m=1$ 则把 key 冻结。较慢变化让历史 key 更可比，但不能消除全部陈旧性。MoCo §3 与 Algorithm 1 给出队列、动量编码器和停止 key 分支梯度的配合。

这是计算组织的不同答案，不是一个方法必然取代另一个。扩大队列会让最旧特征更老；增大 batch 会改变优化与负例分布；调整温度则改变同一批候选如何竞争。做消融时不能三项同时改，再把收益全部归给 EMA。

训练学会区分视图以后，还要回答哪个下游问题

冻结线性评价（linear probe）先固定编码器 $f$，仅训练 $\hat y=Wh+b$；它检验标签能否用指定线性读出从表示取得。kNN 不更新编码器，用训练集表示及标签给测试点投票，结果仍依赖距离、归一化、$k$ 与支持集。微调允许 $f$ 更新，检验的是初始化加适配方案。检测或分割则需要空间特征和任务头，整图线性分类成绩不能自动给出边界能力。

完整协议至少明确：原始样本的训练/验证/测试划分，预训练是否接触无标签测试图，冻结时的 eval/BatchNorm 状态，读 $h$ 还是 $z$，标签预算，验证集选超参数的方法。两视图必须在原图划分之后生成。同一原图一张裁剪放训练、另一张放测试，会把近重复泄漏包装成泛化。

同一个颜色干预，真的改变了学到的表示

LAB 06 已在 2026-09-22 本地 CPU 完成真实两视图训练：600 张训练图、240 张保留图，RGB 16×16，卷积编码器输出 48 维 $h$，投影头输出 24 维 $z$，InfoNCE 温度 0.2，batch 60，Adam 学习率 0.002，固定种子 20260922、40 epoch。预训练不使用类别标签；标签只供冻结表示的 5NN 与线性读出使用。对照唯一指定变化是每个视图是否以 50% 概率交换红/蓝通道。

保留颜色时模型可利用容易的颜色区别，形状 5NN 甚至低于随机表示；换色使这种线索不可靠，形状读出提高、颜色读出接近二类机会水平。$h$ 也会丢失颜色，$h$ 优于 $z$ 不是保证：本次 $z$ 的形状 5NN 反而更高。同一换色 $h$ 的线性形状读出是 98.75%，再次说明“表示质量”不能脱离读出协议。这里报告的是一个固定种子的小型受控实验，不是 SimCLR 在自然图像上的通用排名。

LAB 07 的小型 MoCo 使用同一图像来源、真实 FIFO 特征队列与 EMA key 编码器，训练 15 epoch。其 $h$ 形状 5NN 为 38.33%，低于随机基线 72.50%；损失由约 4.79 变到 4.27，也没有保证目标语义变得好读。它完成了训练机制，但给出了一个失败的表示结果。MoCo 与 LAB 06 的训练轮数和组织不同，不能据这些数作方法优劣排名；可以据此检查为什么视图目标、候选和下游形状任务不一致。

LAB 07 把队列/EMA 精确算例和图像两视图训练放在同一条学习链中。阅读训练输出时，先确认参数确实由损失更新，再比较相同协议下随机初始化与训练后表示；若小数据上的自监督结果没有领先，就讨论增强、数据量和读出限制，而不改变测试口径。

从 CLS 04 的重建 到本册，目标从恢复像素变为识别视图关系；下一册 CLS 06 再问：没有显式负例时，为什么表示没有全部变成同一个常量？这些路线共同要求我们区分训练信号、实际优化以及表示的使用证据。

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：

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 对照本页图解与LAB07的步内时序；模拟问答：旧 key 还能比较吗？ 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 的颜色干预或 LAB 07 · MoCo：历史 key、队列与两种更新 的队列路径之一，不要求两本重复训练。