[資源推薦] 必須收藏的兩個查詢論文和程式碼實現的網站！

無論是研究方向是 AI 方面的學生，或者是做機器學習方面的演算法工程師，在掌握基礎的機器學習相關知識後，都必須掌握搜尋論文的技能，特別是研究或者工作領域方向的最新論文，更進階一點的技能，就是可以復現論文的演算法，這是在論文作者沒有開原始碼的時候的一個解決辦法，但是在能夠掌握這項技能前，我們希望能夠搜尋到其他人復現的程式碼。

因此，今天我會推薦兩個相關的網站，並且都是同個團隊的成果，這個兩個網站，一個可以用於展示帶有程式碼實現的論文演算法，另一個給出了多個領域最新最好的演算法論文結果。

1. Papers with Code

首先給出這個網站的網址：

paperswithcode.com

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。相比之前推薦的閱讀 ArXiv 的網站，這位使用者做出了滿足更多研究者的最大需求--尋找論文演算法實現的程式碼！

這個專案索引了大約 5 萬篇論文（最近 5 年釋出在 arxiv 上的論文）和 1 萬個 Github 庫。

你可以按標題關鍵詞查詢，或者研究領域關鍵詞，如影象分類、文字分類等搜尋，也可以按流行程度、最新論文以及 Github 上 Star 數量最多來排列。這個網站能讓你跟上機器學習社群流行的最新動態。

首先是看下這個網站大概長什麼樣的：

上圖給出的是按照流行程度來排列，對每篇論文給出了題目、作者、投稿的會議或者頂會，一些簡介，比如是否當前領域最先進演算法，標籤(即關鍵詞，論文研究的方向）和採用的程式碼框架（比如是 Pytorch 還是 TensorFlow 或者其他框架），論文和程式碼連結，還有當前 Github 的 Star 數量，以及每小時增加的 Star 數量。

如果是按照 Github Star 數量最多排列，如下圖所示：

可以看到最多 Star 數量前兩位都是 TensorFlow ，第三位是 Caffe 框架。

另外，如果我們在搜尋框輸入研究領域的關鍵詞，比如影象分類--Image Classification，搜尋結果如下所示：

它會展示當前包含該領域帶有論文的共 250 篇論文，然後是展示幾個資料集上效果最好的演算法和論文，以及開源專案（如果開源了），然後就是子領域--Subtasks，最後是該領域的有程式碼的論文，按照 Github 上 Star 數量來排列。

2. Browse state-of-the-art

同樣先給出網址：

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。如下圖所示：

16 個分類包括：

計算機視覺
自然語言處理
醫療
研究方法
雜類
語音
遊戲
圖(Graphs）
時間序列
音訊
機器人
音樂
推理
計算機編碼
知識庫
對抗性(Adversarial)

點選計算機視覺這個大類，可以看到具體又劃分了450+個子任務，如下圖所示：

這裡可以繼續點選進去每個子任務，比如影象分類，然後會得到如下圖所示：

上圖其實就是在剛剛介紹 Paper with Code 網站時候，介紹搜尋領域關鍵詞例子中的圖例了。

最後，再給出兩個網站的網址：

有了上述兩個網站幫助，相信可以幫助大家更好的去學習和熟悉研究領域方向的工作了！

歡迎關注我的微信公眾號--機器學習與計算機視覺，或者掃描下方的二維碼，大家一起交流，學習和進步！

[資源推薦] 必須收藏的兩個查詢論文和程式碼實現的網站！

1. Papers with Code

2. Browse state-of-the-art

往期精彩推薦

學習筆記

Python-100 練習系列

數學學習筆記

Github專案 & 資源教程推薦

相關文章