如果你已经能跑通一个卷积网络、在 MNIST 或 CIFAR 上刷到过不错的准确率，但被问到「图像搜索到底和图像分类差在哪」「为什么检索任务不能直接套分类的损失函数」时答不上来，那这门预习课针对的就是这个缺口。它不教你从零搭环境，也不打算把你送进某个项目组，它要做的是把「分类」和「搜索」这两件事的底层联系先接上。

先搞清楚：这门课补的是哪一段

CV 高级班的正课会大量涉及深度学习在图像检索中的应用，而检索这条路，往上追是特征表示，再往上追是分类任务里训练出来的骨干网络。很多人卡住不是因为不会调库，而是中间断了一环：知道 ResNet 能分类，但不知道为什么它的中间层特征可以拿来做相似度比对；知道有 triplet loss、有召回率，但说不清它和 softmax 交叉熵在优化目标上的根本区别。

这门预习课就是补这一环。它假设你已经会写基本的训练循环，所以不会在「什么是卷积」「什么是池化」上停留太久，而是把重点放在特征是怎么被网络学出来的、以及这些特征在检索场景下怎么用。

看完应该能回答的问题

同样是输出一个向量，分类头的输出和检索用的嵌入向量，差别在哪？为什么前者不能直接拿来做距离度量？
一个在 ImageNet 上训好的分类网络，去掉最后的全连接层之后，剩下的特征为什么对「找相似图片」这件事有效？
图像搜索里常说的「召回」，和分类里的「准确率」，评价的到底是不是同一件事？
如果要让网络学会「把相似的图拉近、不相似的推远」，损失函数该怎么设计，和分类的交叉熵是什么关系？
为什么图像搜索系统的效果，往往瓶颈不在模型本身，而在特征归一化、距离度量方式这些细节上？

这些问题不是靠背概念能答好的。如果你现在对其中两三个还只有模糊印象，那这门课值得花时间；如果全都能讲清楚，可以直接跳过去看正课。

配套练习的方向

预习课的价值一半在讲，一半在动手。这门课涉及的练习不会让你从头训一个大模型，而是围绕几个能快速看到差异的小任务展开：用现成的骨干网络提取特征，比较不同层、不同池化方式对检索结果的影响；在同一批图片上分别用分类损失和度量学习损失做微调，观察特征分布的变化。这类练习的好处是反馈快，改一个参数就能在检索结果里看出差别，不需要等几十个 epoch。

做练习时建议带着一个具体问题去，比如「把特征做 L2 归一化之后，最近邻的结果为什么变了」，而不是机械地跑完 notebook。前者能留下印象，后者跑完就忘。

一点提醒

这是预习课，不是完整体系。它不会覆盖检测、分割，也不会深入讲工程部署和向量索引的细节——那些是正课和后续内容的事。把它当成一次「接线」：把你已经会的分类知识，和还没系统接触过的检索任务连起来。连线接好了，后面正课里再出现 embedding、triplet、recall@k 这些词，你就不会觉得是凭空冒出来的新东西。

如果目前连基本的卷积网络训练流程都还没跑通过，建议先把基础补上再来，否则这门课里关于特征层选择的讨论会比较难跟上。