paperwithcode怎麽用

paperwithcode使用方法：

打開官網地址，在左上角的界面搜索妳要的論文就可以了。

Papers with Code 這個神器可以有效檢索AI所有領域最優資料。閱讀Paper，進壹步閱讀 Code 才能對論文的思路和 Trick 徹底的了解。

paperwithcode 網站將 ArXiv 上的最新機器學習論文與 GitHub 上的代碼（TensorFlow/PyTorch/MXNet /等）對應起來。

據網站開發者介紹，裏面包含了 966 個機器學習任務、515 個評估排行榜（以及當前最優結果）、8625 篇論文（帶源碼）、704 個數據集，且在不斷的更新中。paperwithcode 網站廣泛涉及了各類機器學習任務，包括計算機視覺、自然語言處理等。

隨著深度學習的發展，使用深度學習解決相關通信領域問題的研究也越來越多。作為壹名通信專業的研究生，如果實驗室沒有相關方向的代碼積累，入門並深入壹個新的方向會十分艱難。同時，大部分通信領域的論文不會提供開源代碼，reproducible research比較困難。

總結如下：

基於深度學習的通信論文這幾年飛速增加，在部分論文中，明顯能感覺作者的更具開源精神。本項目專註於整理在通信中應用深度學習，並公開了相關源代碼的論文。 個人關註的領域和精力有限，這個列表不會那麽完整。

如果妳知道壹些相關的開源論文，但不在此列表中，非常歡迎大家添加，為community貢獻壹份力量。