我的学习体会

前言

每个人都有学习目标，可能单纯的是为了自己近期目标–毕业论文，又或者是小论文(SCI,EI,当然大佬想中trans以及顶会CVPR，AAAI的就不要嘲讽小的了，毕竟没有平台和资源真不好中)。

可能每个人有不同的学习方法和理解方式，也可能我的学习方法不好，你有更好的，但这里只是介绍我的个人经验，不喜勿喷。

基础

万丈高楼平地起，基础很重要。所以在这里我要强烈推荐几个学习资源：

吴恩达机器学习深度学习视频,很基础，一定要把梯度问题搞清楚，以及为什么会有训练集，测试集，验证集。模型的调整方法等等。可以掠过可能用不到的传统ML方法以及matlab和数学的介绍(前提是你本来就会)。

李航统计学习方法:https://pan.baidu.com/s/1zDgK28ylbeyY7WGt6yCoRg ,提取码:9i43。李航对机器学习的算法介绍的很清楚，关键是整本书分模块也还可以。网上资源较多，一定要认真手推公式，理解透彻，不要偷懒。可以关注一个人黄海广, 他有一些代码开源，可以关注一下他的github。

代码部分可以关注两个人，一个是莫烦大佬, 另一个是余霆嵩. 莫烦的教程相对来说学习的人多，所以比较容易找到答案，余霆嵩写了85页pdf，篇幅很短，但是很清晰的讲解了pytorch的模型结构。还有很多教程，比如西瓜书，深度学习花书，python深度学习，深入浅出python机器学习深度学习等等。总之真正吃透一本就可以了。

进阶

他山之石，可以攻玉。论文阅读是帮助读者尽快的了解研究前沿，以及提供灵感。所谓站在巨人的肩膀上指的就是论文阅读，否则就是闭门造车了。

论文阅读是有技巧的，网上有很多人讲了很多方法，但普遍都是文绉绉的，初学者看着比较头疼。初始阅读论文也给我造成了“痛苦”，所以这里我分享一下经验。

首先，明白哪些论文要读，哪些论文不用读。如果时间比较充裕，可以选择从基础的论文开始，比如说基础的网络模型(LeNet, AlexNet, VGG, ResNet等等)。这些论文相对比较简单，而且网上可以参考的资料较多。编程能力稍强的人可以尝试复现几个。一般数据集包括Minist数据集、Cifar数据集、ImageNet的猫狗数据集等等，这些数据集比较简单，帮助你更快的理解。

积累，当熟悉了基础网络之后可以结合选题进行阅读，可能刚开始一头雾水，不了解自己的选题是什么。我刚开始也是，觉得选择传统的SVM就行了，何必选择深度学习，后来发现传统的方法在简单数据集的二分类问题上表现能力还行，一旦数据集复杂，效果直线下降。而且如果发论文的话，审稿人会很鄙视的，他们会让你证明你的方法比深度学习好(从理论和实验上证明识别率和效率会更高)，我证明不出来，否则引领新的人工智能革命。而且国内的期刊对双非大学很是不友好，所以建议投外文期刊，最起码不被歧视。话有点扯远了，开始阅读一些中文的文章，比如中文核心或者是博士论文，综述性论文，可以快速的掌握已有的研究方向及成果。之后就可以阅读一些近五年的顶刊顶会的论文(和你研究方向一致或者相近的论文)。

渐入佳境，恭喜你，总算入门了。开始阅读顶刊顶会的论文吧，阅读论文是有技巧的。为什么之前没有提？哈哈，没有入门，技巧谈不上。入门后了解了previous工作，所以Introduction和related work就不用仔细看了。其实SCI论文沿袭了中国封建的八股文制度，方面审稿的同时也方便了读者阅读，不得不说八股文优点和缺点共存才是宇宙的规律。拿到论文，**第一件事看title，Abstract，**因为没有人为你甄别论文是否适合（如果有老师好心帮你甄别，别告诉我，羡慕嫉妒恨死你了）。如果适合，保留，否则删掉。推荐一款软件zotero，可以像下图所示的那样整理文献。

每篇论文可以写上自己的感悟，便于之后回顾。刚开始可能阅读论文速度比较慢，这很正常，熟能生巧嘛。熟悉之后就可以阅读的很快了，我读懂一篇同领域的论文有时候大概1小时就可以了。欲速则不达，千万不要只图快，我发现很多人阅读一篇论文，理解的很少，只有30-40%，有些甚至还不如。阅读原文献，一定要不要只阅读翻译后的，比如CSDN博客，因为写博客的都加入了自己的思想，不一定和作者一致。同时阅读原文也可以增加词汇量和句式，便于之后的文章撰写。刚开始可以借助软件阅读，比如说知云翻译等。带着问题阅读文献，每篇文章不是凭空造出来的，必然有他的contribution，这是文章的核心。仔细思考文章的目的，这样才能反推作者创新过程。每篇文章都在讲一个故事，读懂了故事的人，才算的上真正读懂了这篇文章(80%以上理解)。反思论文，是否可以借鉴？是否存在缺陷？哈哈，如果有了这个意识，恭喜你，进入了下一个阶段。。。

创造

科学到了最后阶段，便遇上了想象。——雨果

之前的所有工作都是为了这一步服务，登堂入室就是从这里开始。横看成岭侧成峰，每个人都有不同的思维方式，创新方向以及对知识的掌控有所不同，创造出的结果就会千变万化。这是好事，要是都一样不就没有进步了吗？但是通过我的经验总结了几个“凡人”的创新方法，勉勉强强凑合，比不上那些“天才”，毕竟1%的灵感太难找到。

• 旧瓶装新酒，在阅读了大量本领域论文后，要关注一下基础的模型，比如Non-Local，SE，SK，AC等等Attention方向的论文，Res-Block之类的增量模块，还有别的如强化学习之类的论文，还有一些细碎的知识点，比如说Leak-RELU等等。这些都是将来的灵感。有时候比较火的研究方向必然是淘汰了传统的方法，但是金无足赤，code总有缺点，也有闪光点，新事物的产生不可能脱离旧的事物。所以找到新事物的缺点，用老的方法补救也不失为一种创新。

• 框架创新，框架的创新需要站在全局的思路考虑，不再局限于模型中的一个小的block，站在整个模型全局考虑，把现有最先进的方法与实际研究对象结合，这类创新是优秀论文的普遍做法。相对难度较大。

• 理论创新，又称为严谨创新。就是通过一步步数学原理，推导，证明，你提出的方法的优点。最后通过实验加以印证。这种方法最考验创新者的数学能力，所以数学不好的同学不推荐。

  或许有人提出，可以把现有方法排列组合，或者是拿来主义。说实在的，生搬硬套，不结合实际场景的很难效果好，也很容易被审稿人拒稿。

阅读了大量文献之后，创新可以说是水到渠成。不要刻意思考，该是你的跑不了，佛系一点会更好。

论文撰写

熟读唐诗三百首，不会作诗也会吟。英文论文撰写是一个很费劲的过程，为什么说过程？因为它不是一蹴而就的。第一篇论文的书写会暴露很多问题，比如说不知道写什么，论文框架混乱。又或者是Chinglish，拼写错误，句式错误，时态错误等等。所以照葫芦画瓢对新手是很重要的。不要相信网上说的，新手3天/一个星期写完一篇SCI，那些我感觉是骗人的，新手不可能做到。当然天才就不用吐槽我了，我不配你们吐槽。

平时多练习写作，可以写一些博客，CSDN就提供了一个平台，Markdown本身具有很好的排版能力，数学公式更是需要学习LaTeX来进行编辑。为什么说LaTeX呢？LaTex是一个“脚本语言”，用“代码”去写论文对我这样的审美障碍和排版障碍人士来说简直就是福音。所以Texlive和Texstudio是我写论文的不二之选，因为期刊都会提供模板，这样我就可以解放鼠标全心撸代码，呸，撸论文就可以了。

CSDN上是鱼龙混杂，没准你能结识你的伯乐，也可能结实你的“老师”(指出你的理解错误，帮助你提高)。当然也有键盘侠喷你，无所谓，就当他们为了提高你的承受能力。

平时阅读论文的时候，善于总结句型句式，观察别人怎么写，好的拿来用，不要怕查重，因为只要内容不同，国外查重相比于知网还是比较友好的。

论文写作是帮助整理作者实验思路的过程，打动审稿人，必然会有所夸张，但是不要过于夸大，造一些名词，否则审稿人会给你较真的。多用简单句式短语，句子之间有过渡，这是基本也是关键。

更多的之后还会总结，这里就先说到这。

参加会议

三人行，则必有我师。参加会议的人很多，老师更多。不要碍于面子，大胆的去问，出错了也不怕，毕竟没人会记住你，他们连问题都问不出来，还好意思笑话你？多参加学生的交流会，少参加或者不参加那些“盛典”。推荐MLA会议，学生分享自己发的论文(都是顶刊顶会的论文)，这里你可以畅所欲言，对着poster，也不用害羞。多提问多总结，大有好处。

个人建议

论语云：“取乎其上,得乎其中；取乎其中，得乎其下；取乎其下，则无所得矣”。每年组里面都要立Flag，既是促进，也是老师们的期冀。尽量立的Flag高一点，即使达不到也没有什么，老师也不能吃了我。相反可以给自己带来压力，就有了动力。从我个人考虑，Flag我不是给老师立的，毕竟没有一次真正完成 。30岁之前可以狂一些,毕竟还未而立，而立之后需要稳中。我认为做的最好的人，就是在哪个位置就要像这个位置的人就够了。

这几天回忆过往，偶有心得，聊以记录。既是自我反省，也是对青春的记录。(单身久了，瞎感慨)
还有找的别人的模板自己搭的网站：http://zztchios.github.io。挺好玩的