如何复现大佬论文的代码

简介: 今天赵小编给大家推荐一个非常实用的网站 papers with code[1](文末原文链接直达)在这个网站上你可以检索论文并且还能获得该论文对应的代码,这样就可以通过复现他人的实验结果来加深对论文方法的理解,赶紧收藏链接吧~

简介


今天赵小编给大家推荐一个非常实用的网站 papers with code[1]文末原文链接直达

在这个网站上你可以检索论文并且还能获得该论文对应的代码,这样就可以通过复现他人的实验结果来加深对论文方法的理解,赶紧收藏链接吧~


详细介绍

  • 网站首页

包含了最新趋势的研究论文,以及菜单栏包含了数据集、方法等。

LMLNN9MFQ)4$[NA3}JMD]NK.jpg


网站首页截图


下面给出每篇文章的标题,摘要,年份,使用的语言以及红色框框给出了 papar 原文和 code 源代码。

  • 点击文章标题,得到下面界面

相应代码都被存储在 github 上,获取也非常方便。网站还会把部分论文的数据集和结果一起提供,非常人性化。后面给出 Results from the Paper,你可以直接查看论文的结果,不需要翻开文章阅读。

EBS6)P5X)Q~U[}PXT7F9]FK.jpg

image.gif

文章内部界面(上)


小编觉得最有趣的事,还给出了 paper 中的结果以及和其他模型的比对结果,如下图所示:

WJ1NU8P3G)D3Y{5%52CB0V3.png


文章内部界面(下)


点击 Paper 即可快速得到对应的论文原件(免费噢!

HZWXI08HNC%V6AXNOI5B3UT.png


免费论文


点击进入代码对应的 github,你会得到下面界面,如果没有使用过github,可以直接下载 ZIP 格式到本地,然后对里面的代码进行研究!

[KI2{OBZ]%_2T0}~7DIJ1F9.png


代码对于的github


当然,有的文章代码会出现报错的问题(年份久了,自己电脑配置不同),这时你可以通过必应,谷歌查询解决方案,甚至可以在该 github 仓库的 issues 中给作者留言寻求帮助。

目录
相关文章
|
3月前
|
机器学习/深度学习 存储 算法
【复现】尝试使用numpy对卷积神经网络中各经典结构进行改写复现
【复现】尝试使用numpy对卷积神经网络中各经典结构进行改写复现
76 0
【复现】尝试使用numpy对卷积神经网络中各经典结构进行改写复现
|
10月前
|
机器学习/深度学习 Web App开发 算法
如何寻找论文及其相关代码?
如何寻找论文及其相关代码?
525 1
|
3月前
|
机器学习/深度学习 自然语言处理 PyTorch
【传知代码】transformer-论文复现
Transformer模型,革新NLP的里程碑,摒弃CNN/RNN,采用自注意力机制解决长距离依赖问题,加速训练。模型包含编码器和解码器,用位置编码补充序列信息。关键组件包括:嵌入层(位置编码增强词向量)、多头注意力层(捕获不同侧面的上下文)、前馈层(非线性变换)及残差连接和层归一化(提升训练稳定性)。Transformer的创新应用,推动了现代大语言模型的发展。
【传知代码】transformer-论文复现
|
3月前
|
机器学习/深度学习 数据采集 自然语言处理
【传知代码】BERT论文解读及情感分类实战-论文复现
本文介绍了BERT模型的架构和技术细节,包括双向编码器、预训练任务(掩码语言模型和下一句预测)以及模型微调。文章还提供了使用BERT在IMDB数据集上进行情感分类的实战,包括数据集处理、模型训练和评估,测试集准确率超过93%。BERT是基于Transformer的预训练模型,适用于多种NLP任务。在实践中,BERT模型加载预训练权重,对输入数据进行预处理,然后通过微调适应情感分类任务。
【传知代码】BERT论文解读及情感分类实战-论文复现
|
3月前
|
机器学习/深度学习 人工智能 搜索推荐
Sora复现项目Mora发布
Lehigh大学LAIR实验室推出Mora项目,旨在复现并超越OpenAI的Sora视频生成模型。Mora采用多智能体框架,通过协同工作实现文本到视频的转换,打破了视频生成技术的闭源限制。利用GPT-4和先进视频模型,Mora在视频生成、编辑和内容创作上展现强大潜力,已在多个任务中超越开源模型。然而,面临视频数据集版权、生成质量与长度、复杂指令遵循等挑战。
64 2
Sora复现项目Mora发布
|
机器学习/深度学习 编解码 算法
经典神经网络论文超详细解读(四)——InceptionV2-V3学习笔记(翻译+精读+代码复现)
经典神经网络论文超详细解读(四)——InceptionV2-V3学习笔记(翻译+精读+代码复现)
157 0
经典神经网络论文超详细解读(四)——InceptionV2-V3学习笔记(翻译+精读+代码复现)
|
并行计算 PyTorch 算法框架/工具
CenterNet复现错误总结
CenterNet复现遇到的一些问题总结
113 0
|
机器学习/深度学习 编解码 算法框架/工具
经典神经网络论文超详细解读(八)——ResNeXt学习笔记(翻译+精读+代码复现)
经典神经网络论文超详细解读(八)——ResNeXt学习笔记(翻译+精读+代码复现)
423 1
经典神经网络论文超详细解读(八)——ResNeXt学习笔记(翻译+精读+代码复现)
|
机器学习/深度学习 Web App开发 数据挖掘
经典神经网络论文超详细解读(七)——SENet(注意力机制)学习笔记(翻译+精读+代码复现)
经典神经网络论文超详细解读(七)——SENet(注意力机制)学习笔记(翻译+精读+代码复现)
2012 1
经典神经网络论文超详细解读(七)——SENet(注意力机制)学习笔记(翻译+精读+代码复现)
|
机器学习/深度学习 编解码 TensorFlow
MobileNetV3架构解析与代码复现
MobileNet模型基于深度可分离卷积,这是一种分解卷积的形式,将标准卷积分解为深度卷积和`1*1`的点卷积。对于MobileNet,深度卷积将单个滤波器应用于每个输入通道,然后,逐点卷积应用`1*1`卷积将输出与深度卷积相结合。
954 0
MobileNetV3架构解析与代码复现