论文代码复现常见问题

论文代码复现常见问题

场景1：代码太慢
1：写出基础代码
使用少量数据集来实践你的思路，代码可以不用很优化，优先写出来即可。写完后建议封装为函数，方便调用。
2：优化代码逻辑
代码本身足够高效吗？
代码是否利用了所有的CPU/GPU？
常用优化过程
下标循环

df1 = df
for i in range(len(df)):if df.iloc[i]['test'] != 1:df1.iloc[i]['test'] = 0

Iterrows循环

i = 0
for ind, row in df.iterrows():if row['test'] != 1:df1.iloc[i]['test'] = 0i += 1

Apply循环

df1['test'] = df['test'].apply(lambda x: x if x == 1 else 0)

内置函数

res = df.sum()
Numpy函数df_values = df.values
res = np.sum(df_values)

3：提高资源利用率
当逐步对Pandas和Numpy的熟悉过程中，会发现自己的代码也运行的越来越快。如果最终代码都是用内置函数实现，基本上已经很好了。
但也可以进一步优化，因为Pandas很多操作都是串行单线程执行，所以可以手动开多线程进一步加速数据的计算过程，把所有CPU用上，或使用cuDF利用GPU加速。

场景2：新领域无从下手
阅读目标领域内近3-5年顶会论文，特别是综述论文。
收集公开赛事或榜单上学习Top名次的解决方案，包含思路和代码。
场景3：复现别人的论文
1：找到有开源代码的论文
在Github上找到历史的有代码的论文，这些论文项目虽然比较旧，但参考价值很大。
2：整理好数据集的加载
搞清楚数据集怎么制作怎么加载怎么输入怎么计算怎么输出，数据集如何处理，如何编码。
3：搭建论文模型
基于论文思路整理好模型结构，有多少层，每层的细节，每层的维度，一步一步搭建。保证模型可以正常训练和预测。
4：确定训练细节
根据论文实验部分的细节，确定具体的batch、epoch、学习率和优化器，确定训练的流程没有问题。

论文代码复现常见问题相关推荐

【论文代码复现2】Clustered sampling based on sample size
[论文代码复现]Clustered Sampling: Low-Variance and Improved Representativity for Clients Selection in Fede ...
深度学习论文代码复现环境配置操作
***深度学习论文代码复现前置工作安装Ubuntu18.04 安装Nvidia显卡驱动安装anaconda 安装CUDA与cuDNN 通过软链接的修改实现多版本CUDA间的切换将~/.bash ...
stylegan2论文代码复现超详细
stylegan2论文解读论文就略过啦,参考别人博客了解一下 https://blog.csdn.net/g11d111/article/details/109187245 stylegan2原论文 ...
论文代码复现环境配置
论文代码复现环境配置报错1:python导入tensorflow出现_np_qint8 = np.dtype([("qint8", np.int8, 1)]) 报错2:Value ...
进阶必备：CNN经典论文代码复现 | 附下载链接
经常会看到类似的广告<面试算法岗,你被要求复现论文了吗?>不好意思,我真的被问过这个问题.当然也不是所有面试官都会问,究其原因,其实也很好理解.企业肯定是希望自己的产品是有竞争力,有卖点的 ...
论文代码复现之：GPT-too: A Language-Model-First Approach for AMR-to-Text-Generation（ARM-to-text）
文章目录资源引用复现过程虚拟环境创建通过 pip 或者 anaconda 安装依赖数据集下载 GPT-2 预训练模型(medium尺寸的)并进行训练解决作者的代码错误解决安装包的版本问 ...
AUTOVC: Zero-Shot Voice Style Transfer with Only Autoencoder Loss 论文代码复现
0. 说明 https://github.com/auspicious3000/autovc 但是听Demo中, 涉及到unseen的情况, 合成音色确实像, 但是质量不满足商用复现Git的代码, ...
DELG：Unifying Deep Local and Global Features for Image Search论文代码复现
前言之前在研究图像检索的过程中,在网上看了一些资料,发现许多方法的检索结果并不是非常适合我的数据集,于是在翻看论文的时候看到了*<Large-Scale Image Retrieval wit ...
edge-connect 论文代码复现
1. 开始 1.1 论文的工作 1.2 论文的代码链接 2. 环境配置 2.1 自己电脑配置的环境电脑配置: WIN11+RTX3060+CUDA11.3+python3.6+anaconda Pr ...

论文代码复现常见问题

论文代码复现常见问题相关推荐

最新文章

热门文章