先立参照：同一批训练图片，从头训练能做到什么？

先把评测对象立稳，暂时还不读成绩。右上方是 ImageNet-1K 训练图片池；右下方是独立验证集上的分类评测。两者职责不同。左侧横轴列出三种模型，纵轴是 top-1 分类准确率；这里评测输入分辨率统一为二百二十四。下一步才加入从头监督训练的灰线。

先只看论文自己的从头监督训练基线：B 是八十二点三，L 是八十二点六，H 是八十三点一。这条灰线告诉我们，在这一组训练方式下，增加模型规模有收益，但并不很大。

这里没有拿一条年代久远、训练不足的外部结果随意拼过来；这些数来自同一论文的对照表。不过同文比较也不意味着所有因素都已经完全控制，模型配置本身仍不同，所以我们按它实际检验的问题来读。这一页先把参照立稳。下一页使用同一批训练图片、同一验证集和分类指标，也不把高分辨率的另一条成绩混进来，而是在分类微调之前，加入刚才看过的 MAE 重建预训练。这样我们就能看清：同一批原始训练图片，通过另一种任务先被利用以后，后面的分类表现发生了什么变化。额外训练当然有成本，我们会把它一起放在图上。