[资源推荐] 必须收藏的两个查找论文和代码实现的网站！

Posted 2022-06-03 spearhead_cai

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了[资源推荐] 必须收藏的两个查找论文和代码实现的网站！相关的知识，希望对你有一定的参考价值。

2019年第 13 篇文章，总第 37 篇文章

无论是研究方向是 AI 方面的学生，或者是做机器学习方面的算法工程师，在掌握基础的机器学习相关知识后，都必须掌握搜索论文的技能，特别是研究或者工作领域方向的最新论文，更进阶一点的技能，就是可以复现论文的算法，这是在论文作者没有开源代码的时候的一个解决办法，但是在能够掌握这项技能前，我们希望能够搜索到其他人复现的代码。

因此，今天我会推荐两个相关的网站，并且都是同个团队的成果，这个两个网站，一个可以用于展示带有代码实现的论文算法，另一个给出了多个领域最新最好的算法论文结果。

1. Papers with Code

首先给出这个网站的网址：

https://paperswithcode.com

这是 Reddit 的一个用户 rstoj 做的一个网站，将 ArXiv 上的最新机器学习论文与 Github 上的代码（TensorFlow/PyTorch/MXNet/等）对应起来。相比之前推荐的阅读 ArXiv 的网站，这位用户做出了满足更多研究者的最大需求--寻找论文算法实现的代码！

这个项目索引了大约 5 万篇论文（最近 5 年发布在 arxiv 上的论文）和 1 万个 Github 库。

你可以按标题关键词查询，或者研究领域关键词，如图像分类、文本分类等搜索，也可以按流行程度、最新论文以及 Github 上 Star 数量最多来排列。这个网站能让你跟上机器学习社区流行的最新动态。

首先是看下这个网站大概长什么样的：

上图给出的是按照流行程度来排列，对每篇论文给出了题目、作者、投稿的会议或者顶会，一些简介，比如是否当前领域最先进算法，标签(即关键词，论文研究的方向）和采用的代码框架（比如是 Pytorch 还是 TensorFlow 或者其他框架），论文和代码链接，还有当前 Github 的 Star 数量，以及每小时增加的 Star 数量。

如果是按照 Github Star 数量最多排列，如下图所示：

可以看到最多 Star 数量前两位都是 TensorFlow ，第三位是 Caffe 框架。

另外，如果我们在搜索框输入研究领域的关键词，比如图像分类--Image Classification，搜索结果如下所示：

它会展示当前包含该领域带有论文的共 250 篇论文，然后是展示几个数据集上效果最好的算法和论文，以及开源项目（如果开源了），然后就是子领域--Subtasks，最后是该领域的有代码的论文，按照 Github 上 Star 数量来排列。

2. Browse state-of-the-art

同样先给出网址：

https://paperswithcode.com/sota

这个网站主要是解决另一个问题--寻找一个领域目前最好的（State of the art, Sota）算法的论文以及实现代码。这也是刚接触到一个新领域时候，必须要做的事情，先找到最新最好的算法论文，然后根据这篇论文的代码实现，先跑下代码，接着再去了解细节，或者是根据它的参考论文，来学习这个领域最近几年的论文（一般是 3 年到 5 年内的），逐渐熟悉这个领域的研究方向和难点所在。

还是 Papers with Code 的团队做出了一个可以查询领域最新算法的网站，它总共包含了 16 个大类，950+的单独子类任务，500+个评估结果（包含 Sota 结果）、700+数据库，8000+论文。如下图所示：