查找论文源代码

1.Github
强烈推荐这个网站：
GitHub: Where the world builds software · GitHub
具体界面如下图所示，搜索框输入关键词，便会出来结果，然后点击相应部分即可

2.Catalyzex
首先给出这个网站的网址：
https://www.catalyzex.com/paper/arxiv:1701.04099
具体界面如下图所示，左上角输入名字，便会出来结果，然后点击code部分即可

 

 
3.Papers with Code
首先给出这个网站的网址：
The latest in Machine Learning | Papers With Code
具体界面如下图所示，左上角输入名字，便会出来结果，然后点击code部分即可

 

这是 Reddit 的一个用户 rstoj 做的一个网站，将 ArXiv 上的最新机器学习论文与 Github 上的代码（TensorFlow/PyTorch/MXNet/等）对应起来

4. Browse state-of-the-art
同样先给出网址：Browse the State-of-the-Art in Machine Learning | Papers With Code

这个网站主要是解决另一个问题–寻找一个领域目前最好的（State of the art, Sota）算法的论文以及实现代码。这也是刚接触到一个新领域时候，必须要做的事情，先找到最新最好的算法论文，然后根据这篇论文的代码实现，先跑下代码，接着再去了解细节，或者是根据它的参考论文，来学习这个领域最近几年的论文（一般是 3 年到 5 年内的），逐渐熟悉这个领域的研究方向和难点所在。 

还是 Papers with Code 的团队做出了一个可以查询领域最新算法的网站，它总共包含了 16 个大类，950+的单独子类任务，500+个评估结果（包含 Sota 结果）、700+数据库，8000+论文。

5. Other
若是经典文章，按上边几种方法，基本上都可以找到Code；
若是比较新的文章，就通过以下几种方法进行查找：

（1）在google搜索该论文的名称或者第一作者的姓名，找到该作者的个人学术主页。在他的主页上看看他是否公开了论文的代码。
（2） 在google搜索该论文中算法的名字+code或者是某种语言，如python等。这是因为阅读这篇论文的科研人员不少，有的人读完会写代码并公布出来。
（3）邮件联系论文第一作者。（有时候，作者会很快回复）

大家有更好的源码查找渠道，可以一起交流

原文链接：https://blog.youkuaiyun.com/weixin_45656790/article/details/109271019