误差更新参数，训练后的表示再转用
本页问题
MAE预训练时，encoder处理可见patch，decoder结合其表示与mask占位预测像素；被遮位置的预测与原图目标形成loss，经反向传播更新参数。分类迁移保留encoder、移除重建decoder、接上分类头。完整图像全部patch进入模型，类别标签提供新的微调目标，之后由独立验证图片评价。可迁移的是训练后的参数与表示，并非那一张重建图或凭空出现的类别知识。
VR04/b0 · 从可见块到被遮位置的预测
打开补图路径：大encoder只处理可见块，形成表示；表示与被遮位置的mask占位一起进入小decoder，产生像素预测。占位不是被遮的真实像素。原图走另一条目标支路，用来检查预测。
进一步解释
MAE此处的encoder/decoder表示重建职责，不是翻译模型自回归逐词输出的同义替代。encoder只处理可见patch，decoder接表示与mask占位；目标支路独立提供原图像素。
教师备课：指图与模拟问答
指图与推进 · 不朗读沿可见块→大encoder→表示加mask token→小decoder→预测；另指原图目标支路。
VR04/b1 · 被遮位置的误差，回到训练参数
对齐同一被遮位置的预测与目标，差异形成重建loss，再通过反向传播更新encoder和decoder参数。样本、目标、损失、更新现在连起来了。自监督指材料自身提供目标，并非没有监督信号；请看更新箭头确实回到了参数。
进一步解释
方法结构示意采用常见75%遮挡，与前页真实展示约80%分开。MAE decoder预测像素，不是翻译逐词生成的decoder。
教师备课：指图与模拟问答
指图与推进 · 不朗读指被遮位置loss，再沿回传箭头到encoder/decoder参数；不把可见位置计入本例loss。
VR04/b2 · 保留同一个encoder，换成分类使用
转到分类时，保留的是重建训练过的encoder参数，重建decoder被移除。完整图像的全部patch经过encoder，输出表示交给新接的分类头。类别答案从哪里来？来自目标任务的带标签训练图片；分类预测与类别目标形成损失，微调分类头和encoder。完成后再用独立验证图片统计准确率。于是补图不是直接变成分类答案，而是先提供有用的表示起点，再由新任务的监督把它用于分类。
教师备课：指图与模拟问答
指图与推进 · 不朗读沿完整图像→同一encoder→新分类头，再指类别目标→分类loss→微调参数；最后区分独立验证图片与训练支路。
接下来
同一个模型加入这种预训练后，独立分类成绩改变了多少？
补充推导、边界与来源
MAE预训练的大encoder处理可见子集，小decoder结合mask token重建；下游保留encoder，输入全图，去除重建decoder，再微调和评测。两条路径在相同encoder处接续。
与本页直接相关的完整材料
- N17 · 训练时补图，之后拿走的是哪一部分？：原图、逐态说明与已校准推导。
条件、推导与来源
N17 · 训练时补图，之后拿走的是哪一部分？
MAE 的大 encoder 仅处理可见图像块。编码表示与 mask token 一起交给较小的重建 decoder，生成像素预测。下游分类保留 encoder，去掉重建 decoder，输入完整图像的全部 patch，添加分类头，进行带标签微调与独立评测。本结构图采用方法常见的 75% 遮挡说明，不将上页示例的 80% 混进方法配置。重建 decoder 与上一讲翻译 decoder 的接口不同。
来源：MAE v3，物理 p.1 Figure 1 与 §3。
相关的完整阅读材料保留原有公式、引用和原始图解。
本页证据与条件
MAE v3方法与分类迁移流程示意