【小白做科研(四)】复现代码(上)

本文作者通过复现Neural News Recommendation with Personalized Attention模型,探讨从零开始实现深度学习模型的过程。作者强调了在理解模型机理的基础上复现代码的重要性,并分享了复现过程中如何逐步理解模块功能、查找API和解决问题的经验。同时,提出了使用Google搜索、注重代码注释和寻求他人帮助等建议。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

写在前面

其实之前虽然我自己也瞎整了一些深度学习的代码(验证码识别、实体识别),也都发了博客,但无一例外都是参考现有的代码进行阅读理解演算,然后自己删删改改完成的,我只知道在某一步用某个函数完成了某个功能,但是我一直没有搞明白为什么要在这一步完成这个功能,对其中的机理只能不求甚解;
这样就像我先看答案再做题,尽管看完做完后,我这道题会了,但是遇到新的问题时,我就会倾向于先去看答案,而不是自己思考;如果找不到答案并且在从头学起的时候遇到困难,就会畏缩和放弃。
这种状态必须改变,从何改起?答案就是自己从零开始。

所幸,这样照猫画虎让我对很多方法、模型也都有了点印象(毕竟当时也是认真查资料理解了的),因此我就想借由复现代码的机会,好好从头到尾自己实现一些个模型,打打基础,把之前害怕的、不会的都争取搞明白~

于是,在上一篇完成了数据处理后,我就秉着一方面给自己打打基础、一方面从头串一遍新闻推荐流程的目的,从头开始自己尝试复现NPA: Neural News Recommendation with Personalized Attention; 因为觉得这篇写的挺不错还没那么难,我就挑了这个作为第一步~

复现代码

我们读了很多论文之后,基本是对流程有自己的把握的,即我们明白论文里各个module的功能&#

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值