其實這個是一種手藝吧，並且同樣是強組，大組和小組各有特點。我是大組呆過，小組也呆過，各有特點，都難以取捨。本身Team Work的話我聽說有些配合的非常好的組（大牛+大牛組合，無打雜拖進度的）能早上九點看論文，晚上就能復現完測一輪，在這先把Team Work放下不表。
如果是一個人做的話，比較不穩定，畢竟假如那天打遊戲打卡住了或者其他情況導致心情極其糟糕（煩躁）就會特別難受，然後就可能理解出現了偏差。這個時候動手多半和作者意圖不合。不過也不排除有的大佬（在這兒就不說名字了），一手啤酒一手鍵盤喝的賊High，然後一口氣寫完全部並且毫無bug，而且好像特麼效果還賊好？（明指Goodfellow.jpg）另外，我認為是否理解，其實對於有些動手能力變態的人而言毫無影響，可以先做出來再對著程式碼理解。
不過其實從一個Nobody到一個徒手用MXNet搭自己的模型，挺快的（deeplearning.ai還有cs231n再加上一些經典結構都懂）一個多月足矣，重要看天分和願不願意自己跳出自己的舒適區。我見過一個月幾乎毫無產出，結果靈感來了之後跟我打電話聊了一晚上，第二天再告訴我【我準備了serveral篇頂會，你看看】。
就熟手而言，一般情況的話，以自己比較熟的CV領域來說吧，很多所謂的【新東西】其實都是排列組合，我自己寫了個小框架，高度整合PyTorch。無非是一個簡單的CV框架，而後有attention有dilate的各種東西作為一種選項等等。PyTorch的API本身還是足夠滿足大多數要求的。比較可怕的是自己嘩啦啦寫了一堆loss，很多情況要結構本身做出大改，網路圖畫出來之後都會寫一半砍掉重來。比如最近幾篇很漂亮的GAN，從CycleGAN這類的東西開始就屬於各種loss滿天飛然後結構做的特別蛋疼。並且有一些loss甚至看不明白意義何在。而一些RL或者TL的東西，會讓人很痛苦，甚至有的TL的研究居然是拍腦門，然後試一下總之就很好用，然後就是不知道為啥。我還特意打個電話問一作，一作直接告訴我說是打遊戲的時候想的（隱私問題，不方便告訴是哪一篇）。。。這種情況你就只能罵娘或者你可以自己幫他想思路。另外其實不是所有論文都能復現的，NIPS甚至有大佬開腔罵人，根本無法復現。
一般的paper不被我貼上bull shit的文章，復現起來三五天還是得要的。但是如果只是那種排列組合，恕我直言如果我沒理解錯的話我可以用2分鐘（這個時間主要取決於以你電腦開IDE的時間以及scp到伺服器上的時間）——真·改幾個引數就做好。然後你就可以優雅的說一句【哦，這篇論文啊？秒了。】。
但是有的時候論文字身有問題，比如說之前在研究的一篇GAN loss，作者嘩啦啦說了很多，然後真正操作的時候就會遇到一種蛋疼的感覺，跑起來之後不收斂，我看著奔放的不得了的loss圖會肉疼。
目的不是復現，而是驗證思想。你會發現很多paper就是bull shit所以不值得你復現，另外一些就是簡單的排列組合出的好效果，我們為他們鼓掌（大哥你們真有錢）。而往往值得復現的好東西，都是一堆的瑣事細節。有的時候寫paper的人都沒意識到漏掉了重點的細節，所以我老闆在做研究的時候警告我——把事情做好的標誌就是別人可以輕鬆的明白。而這些其實對於paper work的要求其實不低。
問題就怕很多人，明明就是灌水，卻非要裝逼，不過我擦居然還能中頂會oral？
這屆XXX不行啊。
其實這個是一種手藝吧，並且同樣是強組，大組和小組各有特點。我是大組呆過，小組也呆過，各有特點，都難以取捨。本身Team Work的話我聽說有些配合的非常好的組（大牛+大牛組合，無打雜拖進度的）能早上九點看論文，晚上就能復現完測一輪，在這先把Team Work放下不表。
如果是一個人做的話，比較不穩定，畢竟假如那天打遊戲打卡住了或者其他情況導致心情極其糟糕（煩躁）就會特別難受，然後就可能理解出現了偏差。這個時候動手多半和作者意圖不合。不過也不排除有的大佬（在這兒就不說名字了），一手啤酒一手鍵盤喝的賊High，然後一口氣寫完全部並且毫無bug，而且好像特麼效果還賊好？（明指Goodfellow.jpg）另外，我認為是否理解，其實對於有些動手能力變態的人而言毫無影響，可以先做出來再對著程式碼理解。
不過其實從一個Nobody到一個徒手用MXNet搭自己的模型，挺快的（deeplearning.ai還有cs231n再加上一些經典結構都懂）一個多月足矣，重要看天分和願不願意自己跳出自己的舒適區。我見過一個月幾乎毫無產出，結果靈感來了之後跟我打電話聊了一晚上，第二天再告訴我【我準備了serveral篇頂會，你看看】。
就熟手而言，一般情況的話，以自己比較熟的CV領域來說吧，很多所謂的【新東西】其實都是排列組合，我自己寫了個小框架，高度整合PyTorch。無非是一個簡單的CV框架，而後有attention有dilate的各種東西作為一種選項等等。PyTorch的API本身還是足夠滿足大多數要求的。比較可怕的是自己嘩啦啦寫了一堆loss，很多情況要結構本身做出大改，網路圖畫出來之後都會寫一半砍掉重來。比如最近幾篇很漂亮的GAN，從CycleGAN這類的東西開始就屬於各種loss滿天飛然後結構做的特別蛋疼。並且有一些loss甚至看不明白意義何在。而一些RL或者TL的東西，會讓人很痛苦，甚至有的TL的研究居然是拍腦門，然後試一下總之就很好用，然後就是不知道為啥。我還特意打個電話問一作，一作直接告訴我說是打遊戲的時候想的（隱私問題，不方便告訴是哪一篇）。。。這種情況你就只能罵娘或者你可以自己幫他想思路。另外其實不是所有論文都能復現的，NIPS甚至有大佬開腔罵人，根本無法復現。
一般的paper不被我貼上bull shit的文章，復現起來三五天還是得要的。但是如果只是那種排列組合，恕我直言如果我沒理解錯的話我可以用2分鐘（這個時間主要取決於以你電腦開IDE的時間以及scp到伺服器上的時間）——真·改幾個引數就做好。然後你就可以優雅的說一句【哦，這篇論文啊？秒了。】。
但是有的時候論文字身有問題，比如說之前在研究的一篇GAN loss，作者嘩啦啦說了很多，然後真正操作的時候就會遇到一種蛋疼的感覺，跑起來之後不收斂，我看著奔放的不得了的loss圖會肉疼。
目的不是復現，而是驗證思想。你會發現很多paper就是bull shit所以不值得你復現，另外一些就是簡單的排列組合出的好效果，我們為他們鼓掌（大哥你們真有錢）。而往往值得復現的好東西，都是一堆的瑣事細節。有的時候寫paper的人都沒意識到漏掉了重點的細節，所以我老闆在做研究的時候警告我——把事情做好的標誌就是別人可以輕鬆的明白。而這些其實對於paper work的要求其實不低。
問題就怕很多人，明明就是灌水，卻非要裝逼，不過我擦居然還能中頂會oral？
這屆XXX不行啊。