原论文的端到端微调、最后块微调和线性读出，允许改变的计算不同。
MAE论文Table 3使用ImageNet-1K图像作自监督预训练，再端到端微调分类。ViT-L/16在224输入的top-1为85.9%；同表从零训练实现为82.6%。这里的结果支持：遮挡像素目标可以为较大视觉模型提供有效起点。它不是只看重建图好不好看。
论文Figure 9进一步指出，同一ViT-L表示的线性读出为73.5%，只微调最后一个块即可到81.0%。因此线性读出低，并不自动意味着这份表示不适合适配；评价允许改变多少计算，会影响判断。
这些是论文在明确训练与评价条件下的结果，不是本课程LAB 08的数字。阅读时区分三层：MAE原论文、当前教学卷积模型、页面里的16块索引图。它们分别提供研究实证、可运行学习链和透明机制。
把第一部分的方法转为使用与评价：冻结读出问现成表示，微调问适配起点，二者应各有协议。
冻结编码器的线性读出、可训练编码器的微调和空间任务三种协议，训练范围与数据条件并列。
第一种检查，冻结编码器，只训练一个线性读出。这在问：在这种受限的读出方式下，已经得到的特征有多可用？ 第二种检查，允许部分或全部参数继续学习。这在问：以已有参数为起点，适配新任务能够达到什么结果？成功可能来自原有表示，也可能包含适配过程中重新学到的能力。 第三种，是把表示放进检测或分割，检查空间任务。它们需要的信息和训练接口又不同。所以报告“迁移很好”时，至少要补上迁移到哪里、训练哪些参数、使用多少标签、怎样切分新数据。对科研实践来说，这比只记一个 ImageNet 分数更有用。
冻结读出把 固定，只学习新头 。它问“当前表示中，答案能否被这个受限读出取出？”kNN甚至不拟合新网络，但仍用训练标签建参考库，并依赖距离、归一化和k。微调允许编码器改变，问“这个起点经过给定适配后能做到什么？”
公平比较首先固定目标任务、原图划分、标签预算和评价规则。按原图先划分再生成视图，避免同一原图的两个裁剪分别进入训练和测试。超参数和停点用验证集选择，测试集用于最终报告。已经看过的保留结果可供探索，却不再是未知验收题。
冻结参数还不自动冻结所有状态。含BatchNorm时，运行统计可能在train模式改变；eval()、no_grad()与requires_grad_(False)控制不同对象。LAB 02保留这项实现选读，主讲先抓住“哪些参数可动，答案用在哪里”。
线性读出：冻结编码器，仅训练线性头；微调：注明解冻部分或全部；空间任务也须注明骨干训练范围。不能由一种协议结果替代另一种。
把表示中的任务信息、输入身份和读出函数类分开，避免用单一失败作过强结论。
四点 h 为 (−1,−1)、(−1,+1)、(+1,−1)、(+1,+1)，同号标签 0、异号标签 1。每一点都不同，标签由 h 完全确定；但两类位于对角，无法用一条直线完全分开。
左图每个输入都有独立坐标，标签也完全由坐标确定；但同类占据对角，不能用一条直线把两类完全分开。右图只保留乘积 ：两个异号输入都落在 −1，两个同号输入都落在 +1。现在一个零阈值 就能正确读取标签；每个数轴位置合并了两个输入，图中不通过抖动伪造不同的 z 值。
| h1 | h2 | 标签 y | z=h1h2 |
|---|---|---|---|
| −1 | −1 | 0 | +1 |
| −1 | +1 | 1 | −1 |
| +1 | −1 | 1 | −1 |
| +1 | +1 | 0 | +1 |
这个变换没有增加标签信息，并且合并了原来不同的输入身份。它是四点上的精确构造，不是某次训练得到的表征，也不能证明任意压缩都会改善读出，或少量训练样本一定能学出这个变换。
以下是备课用模拟追问，不是课堂实录。
学生：“既然左图不能画一条分界线，是不是标签信息已经丢了？”
教师：“先看数据表，每个 h 都仍唯一确定标签；失败的是单一直线这类读出。换一个乘积坐标后，一条阈值就足够。可是只看 z，你已不能恢复原来是哪一个同号角点。这正好把‘某任务的信息’‘原输入身份’和‘读出函数能否使用’分开。”
因此低维不必等于丢掉任务信息，线性失败也不必等于信息全无。LAB18 同时报告 XOR 读出与离散 bit 算例；把结论限定在明确的输入、标签和函数类上，比笼统说“表示越压缩越好”更准确。
编码器始终不动，先固定标签预算比较读出，再固定读出比较预算。
LAB 01使用一个已有有监督CNN的32维表示，目标为MNIST数字是否≥5。640个目标样本与源模型训练/验证索引分离，目标再分256训练、128验证、256保留；图像统一右移2像素。
保存结果中，标签32→256时，kNN保留准确率从0.7148到0.9492；固定C=10的线性逻辑回归从0.6133到0.8359。编码器从头到尾未变，所以差别来自标签预算与读出使用方式，而不是编码器重新学了一次。
这提供一个很具体的学习动作：先固定预算比较两种读出，再固定读出比较预算。不要把这组结果误读成“自监督胜过监督”；源CNN本来就是监督训练的。也不要据单次差距断言表示中没有某种信息——正则强度和读出函数类都是竞争解释。
共享起点与数据顺序，比较head、late、all以及scratch，按最低验证CE选择。
LAB 02从同一十分类CNN出发比较head、late、all，并加入随机起点scratch。新任务仍是数字是否≥5；head只更新新头，late更新后部，all更新全网。三种迁移共享源checkpoint、新头初始化、数据顺序和训练轮数。
已有默认协议是256训练、128验证、4轮、Adam学习率0.002。保存的最低验证交叉熵为head 1.906、late 0.877、all 0.849、scratch 0.611。按预先确定的“最低验证CE”规则，这一次应选择scratch，而不是因为课程在讲迁移就偏爱迁移模型。
这个负结果有教学价值：迁移是一种可检验起点优势，不是身份保证。相同轮数并不等算力，相同学习率也未必给每种范围公平的调优机会。可进一步只改标签预算或位移，再事先确定新的验证协议；不能反复看同一测试集直到挑出喜欢的结果。
基础路线选LAB 01；需要参数迁移再做LAB 02。XOR与域变化是解释某种失败时才打开的分支。