大家看别人深度学习论文的GitHub代码有啥诀窍吗？

您好！
本帖隐藏的内容需要积分高于 10 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 10 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

诀窍谈不上，但我可以说一点自己的经验。

首先要确信自己对于论文的模型/方法有一定程度的了解，大概脑子中有一个框架，这篇论文解决的是什么问题，用什么思路解决的，有少量技术细节在看论文的时候不理解也不要紧。深度学习的代码通常是基于pytorch 或者 tensorflow的，因为另一个前提是熟悉（作者用的）library。

通常代码水平高的人会采用自上而下的方式读别人代码，也就是先浏览每个文件/文件夹里面具体是做了什么，比如models，network modules，functions，algorithms，然后在逐个击破。但初学者有时候这样看着看着就迷失了，不知道每段代码在干嘛了。

我个人的经验是，这时可以采用自下而上的策略。比如最好懂的是model/modules 部分，一般就是一些architectures的实现，只要明白pytorch/tensorflow就很容易理解这些部分。然后通过GitHub的自带关键字搜索功能去追踪哪里调用了这些models，在看调用的代码部分是做了什么。

中间如果卡死了，就回到论文去对照那部分方法的描述，这样能帮助理解。

最后，实现不懂但又想reproduce results的话，可以直接联系作者询问细节，通常会得到回复的。

希望以上的建议能帮到楼主。

先把论文看明白了，一般论文里会有network的结构示意图，再照着这个看代码。常见框架都有TensorFlow，pytorch，MxNet，这些不一定要都会，但是至少要会一个，别的能知道些基本逻辑和操作就行。比如作者用TF写的，你能看懂然后重新用pytorch复现一遍，那说明你这篇paper基本是吃透了。

当然也看作者的代码写的怎么样，不同作者的代码质量差距也不小。有的作者很用心，doc和example都有就看的很舒服，有的甚至还有bug。

先看懂论文，对照着论文再看代码，直接看代码那真就是天书，就和你直接看Leetcode代码一样。