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。
在2023年總經理年會上的講話1
親愛的所有同事:
法回春來,萬物更新。我們告別了20xx的卓越成就,迎來了充滿希望的20xx。在新年到來之際,我謹代表太平洋國際酒店向全體員工的辛勤工作和熱情支持表示衷心的感謝。祝大家在新的壹年裏,萬事如意,身體健康,家庭健康,萬事如意!
我們自豪地走過了20xx年。這壹年,我們壹路披荊斬棘