linear protocol（线性协议）

在看 自监督学习（Self-supervised learning） 或 对比学习（Contrastive learning） 的论文（比如 SimCLR、MoCo、BYOL），
linear protocol（线性协议） 一般指：

一种 评估自监督学习模型表示能力 的方法，也叫 linear evaluation protocol（线性评估协议）。

---

 含义

自监督模型训练后，我们得到了一个 encoder（编码器），例如：

z = encoder(x)

为了验证 encoder 学到的特征是否“有用”，我们：

1. 冻结 encoder 的参数（不再训练它）；

2. 在它的输出特征上面，只训练一个线性分类器（linear layer）。

这就叫 linear evaluation protocol。

---

举个例子

假设我们训练了一个自监督的图像模型：

encoder = ResNet50()

线性协议评估步骤：

# 冻结特征提取器
for param in encoder.parameters():
param.requires_grad = False

# 添加一个线性分类层
classifier = nn.Linear(2048, num_classes)

训练时：

• 只更新 classifier 的参数；

• encoder 输出的特征保持不变。

---

 为什么这样做？

👉 因为我们想知道：

模型学到的特征是不是“通用”的、可分的（linearly separable）。

如果一个冻结的 encoder + 线性分类器在下游任务（如分类）上表现很好，
说明 encoder 学到的特征具有良好的语义表达能力。

---

论文例子

在 SimCLR 论文中：

“We evaluate the quality of learned representations using a linear protocol on ImageNet.”

意思就是：

他们在 ImageNet 上，用线性分类器来评估 encoder 学到的特征效果。