寫在這裡的初衷,一是備忘,二是希望得到高人指點,三是希望能遇到志同道合的朋友。
強烈推薦這個網站:
https://github.com/
具體介面如下圖所示,搜尋方塊輸入關鍵詞,便會出來結果,然後點選相應部分即可
首先給出這個網站的網址:
https://www.catalyzex.com/paper/arxiv:1701.04099
具體介面如下圖所示,左上角輸入名字,便會出來結果,然後點選code部分即可
首先給出這個網站的網址:
https://paperswithcode.com/
具體介面如下圖所示,左上角輸入名字,便會出來結果,然後點選code部分即可
這是 Reddit 的一個使用者 rstoj 做的一個網站,將 ArXiv 上的最新機器學習論文與 Github 上的程式碼(TensorFlow/PyTorch/MXNet/等)對應起來
同樣先給出網址:
https://paperswithcode.com/sota
這個網站主要是解決另一個問題–尋找一個領域目前最好的(State of the art, Sota)演演算法的論文以及實現程式碼。這也是剛接觸到一個新領域時候,必須要做的事情,先找到最新最好的演演算法論文,然後根據這篇論文的程式碼實現,先跑下程式碼,接著再去了解細節,或者是根據它的參考論文,來學習這個領域最近幾年的論文(一般是 3 年到 5 年內的),逐漸熟悉這個領域的研究方向和難點所在。
還是 Papers with Code 的團隊做出了一個可以查詢領域最新演演算法的網站,它總共包含了 16 個大類,950+的單獨子類任務,500+個評估結果(包含 Sota 結果)、700+資料庫,8000+論文。
若是經典文章,按上邊幾種方法,基本上都可以找到Code;
若是比較新的文章,就通過以下幾種方法進行查詢:
(1)在google搜尋該論文的名稱或者第一作者的姓名,找到該作者的個人學術主頁。在他的主頁上看看他是否公開了論文的程式碼。
(2) 在google搜尋該論文中演演算法的名字+code或者是某種語言,如python等。這是因為閱讀這篇論文的科研人員不少,有的人讀完會寫程式碼並公佈出來。
(3)郵件聯絡論文第一作者。(有時候,作者會很快回復)
大家有更好的原始碼查詢渠道,可以一起交流