目前精读文章已在 github 开源,速览!
github地址:github.com/mli/paper-reading
个人米乐m6平台主页:https://github.com/mli
从本月初做论文推荐和精读以来,现已上传5条视频,已经逐段式逐句式精读了2篇论文。话不多说,趁着还能上车,赶紧追呀!!!
每次精析近60分钟,时长感人!从发布时间来看,老师你为啥总是周四周五上传视频?莫非我已经掌握了你的输出节奏!新一期的视频预计在3天后,前排蹲起!
从李老师已经推荐的论文来看,开头就是两篇重头戏---
深度学习奠基作之一:alexnet
9年后重读,原来alexnet的报告也被大佬们喷过?
alexnet论文中有多少观点现在看都不对?
撑起计算机视觉半边天的:resnet
为什么网络越深,效果越差?
残差连接在做什么?
从当下最热火的深度学习问题入手,再重读经典深度学习论文,经典还能回应时代之声吗?
李老师不仅从专业角度“亮剑式”解析论文,还光明正大领着大家吃起了瓜!原来大佬的的论文也被喷过!
看李老师做过的视频讲解,真真是读书“破”万卷!
怎么老师您的笔法越邪魅狂狷,我心越踏实!这样的论文结构解析和技术分析,一眼就能把论文读“薄”!
在开篇之作如何读论文中,沐神总结了读论文的一种套路:
论文结构通常分为六个部分,要按照“读三遍”的方法快速掌握论文的精华。
1.title
2.abstract
3.introduction
4.method
5.experiments
6.conclusion
第一遍:标题、摘要、结论。可以看一看方法和实验部分重要的图和表。花费十几分钟时间了解到论文是否适合你的研究方向。
第二遍:确定论文值得读之后,快速把整篇论文过一遍。不需要知道所有的细节,但需要了解重要的图和表,知道每一个部分在干什么,圈出相关文献。如果觉得文章太难,可以读引用的文献。
第三遍:重点读论文提出了什么问题,用到了什么解决方法,实验是怎么做的。
在读方法的部分中,思考自己如何完成作者所提出的问题,用什么方法实现;
在读实验的部分时,思考自己能不能比作者做得更好;能用什么方法优化。
在沐神的接下来的论文精读中,同样是按照这种方法指导大家拆分论文,懂得如何读论文是科研入门的第一步。
当然我们从李老师的github 米乐m6平台主页中发现,他在15个小时之前已经悄悄更新了下一期目录:
transformer:新的大一统架构?
图神经网络的可视化介绍。
这样勤奋的老师谁能不爱!难怪大家对沐神的评价是:不用催更反而督促粉丝跟上节奏的神奇up主!
李老师官方透露:
录一篇文章的时间大概是5个小时(拍摄、剪辑、上传),一般是每天深夜找半个小时或者一个小时做一点。如果没有其他更紧要的事情的话,10天左右可以出一篇。如果大家热情的话,可以多赶一赶!
考虑在之后视频中将要介绍的论文,选取的原则是10年内深度学习里有影响力文章(必读文章),或者近期比较有意思的文章。当然这十年里重要的工作太多了,不可能每篇都过。在选取的时候会偏向一些之前直播课中没讲到过的。欢迎大家在讨论区里提供(点)建议(歌)。
现在的候选论文已经列出,将持续更新(数字不代表讲析顺序)。
adam:深度学习里最常用的优化算法之一。
链接:https://arxiv.org/abs/1412.6980
efficientnet:通过架构搜索得到的cnn,现在常被使用。
链接:https://arxiv.org/abs/1905.11946
bert:让深度学习在nlp上热度超过了cv。
链接:https://arxiv.org/abs/1810.04805
gpt3:朝着zero-shot learning迈了一大步,当然也得讲一讲gpt/gpt-2
链接:https://arxiv.org/abs/2005.14165
gan。生成类模型中的开创性工作。
链接:https://arxiv.org/abs/1406.2661
clip。图片分类从此不用标数据。
链接:https://openai.com/blog/clip/
non-deep networks:21年10月的新工作,非深度网络也能在imagenet刷到sota。
链接:https://arxiv.org/pdf/2110.07641.pdf
为什么超大的模型泛化性好
链接:https://cacm.acm.org/magazines/2021/3/250713-understanding-deep-learning-still-requires-rethinking-generalization/fulltext
gnn 介绍: distill上最近一篇写得很好的介绍性文章。
链接:https://distill.pub/2021/gnn-intro/
alphago:让强化学习出圈的一系列工作。
链接:https://deepmind.com/research/case-studies/alphago-the-story-so-far
十篇论文已经安排好,意味着至少有两个半的时间,李老师将和我们一起云学习!
从李老师敲定的论文来看,篇篇都有讨论价值。
因此有网友表示:重读论文很有必要,技术需要时间验证。
至于一部经典作品是什么作品,哪怕它与时代的旋律格格不入,它也至少成为一种时代的背景噪音。
回顾李老师自己的生命历程,"大神",是很多人对李沐的印象。作为一经推出便大受追捧的 mxnet 深度学习框架的主要贡献者之一,李沐功不可没。
以倒叙时间线来看,李沐目前为止的职业和学习生涯大致是这样的:
亚马逊首席科学家,2017 年 3 月至今
百度首席架构师,2014.4-2015.12
cmu 读博士,2012-2017
google research 实习生,2013 年夏
百度高级研究员, 2011.4 - 2012.8
香港科技大学研究助理,2009 - 2010
微软亚洲研究院实习,2007 年夏
上交 acm 班
但是再看李沐近来的感悟,他更像是一位用理性审视生命历程的“有心人”,最近提出用随机梯度下降来优化人生的箴言:多向四处看看,每一步的方向都是你对世界的认识。
随机梯度下降的第一个词是随机,就是你需要四处走走,看过很多地方,做些错误的决定,这样你可以在前期迈过一些不是很好的舒适区。
重读论文大抵如此。优秀的经典论文就是要敢于直面权威的审视,也要在时间的流动中经久不衰。提到这十年以来的论文,李老师也谈到文中部分观点的失效,但能再从中锤炼出什么,从字缝里翻出什么细节,从段落中抖搂出什么字碴儿,正是重读经典的意义。
雷锋网雷锋网