再次推荐《Matrix Cookbook》,看了不白看,如果有收获,我也不贪你一个打赏,顶多就是以后我们共事的时候合作的更加奔放通畅。
论文是知识的树叶。
一个同学曾提出在神经网络中嵌入树形结构的设想,我颇不以为然。没几天就看到周志华老师的gcForest,再没几天,代码也都放出来了,虽然有些反弹的声音认为非BP模型有『原罪』。不懂的时候先不要否定。比如我所谓的读论文的品位,是一个很主观的东西。如果你真的出于个人意愿,不想看的话,何不成熟一点,交给时间呢?总有一天,Papers are leaves这句话会变成Paper comes, paper leaves. 施一公说,论文只能告诉你现在的前沿问题是什么。
好论文是利刃,切断没用的东西。
虽然很多人都不愿意承认,但多看刷分猛的人的写的文章,总是没错的。
试想,连刷分都刷不好的人,面对工业级别产品的要求,做出来的东西能有什么后劲?除非你做的东西在场景里Overkill了,否则,还是多看刷分吧。资源永远是有上限的,在这种资源底下你追求极致,才能在只有1%的资源时更加合理的使用资源,部署场景的算力可没有你的服务器好啊。
再者,有的人按照自己的思路研究了半天,提高了1%,突然发现别人一下提高了5%。那么是应该继续坚持自己的思路龟爬,还是及时醒悟,跟着别人更优秀的思路一起搞?既然很多工作就是标榜自己刷分猛的,那么用『刷分+可再现』两个标准快速鉴别哪些工作是被低估了,哪些工作是『盛名之下其实难副』,也是很正常的。现在AI有些娱乐化的趋势,略过不表。