发论文

怎么发论文

1.学习深度学习基础理论知识+pytorch常用操作(一俩月足矣，机器学习不用学)

2.明确自己的课题方向，下载最常用的数据集。

3.论文需要读那些:本方向的开山之作，经典sota，和近三年的顶会文章。
查论文可以用papers with code、arXiv、semantic scholar。

4.baseline模型选取，选择近三年的论文比较好，太老的审稿人可能会说你对比方法太老。
最新的SOTA的话太强，也不好优化，打不过。
选取的baseline模型最好是那种代码写的优雅的，readme写的详细的，各部分明确。

5.对baseline进行改进。我们需要做的只是改网络结构，网络结构基本上可以说是最简单的地方了，理解网络的每个部分，tensor输入输出的shape，然后就可以加一些模块，可以是a论文里的a模块，b论文里的b模块，c论文里的c模块等等。如果效果有提升，就可以做消融实验，以解释为什么加入a好，加入b好等等。像是提取多尺度特征，提取局部特征，提取全局特征等等。a的特点是什么，还有xx缺陷，b的特点是什么，但也有xxxx缺陷，我们设计了xxx，充分结合了ab的优点。
别的训练测试代码什么的都不用管，当然数据集的话也是要换成自己的。改网络结构大体五种方式:串联、并联、交互、融合、连接。

6.LaTeX写论文(overleaf)，翻译(deepl、chatgpt)画图(ppt)ppt模板ML Visuals

对于实验结果的复现：

因为autodl的实例有时候没法一直开着，所以可能会需要再其他实例上跑实验。

如果在不同实例上提升的点比较多，可以不用做重复实验；

如果在实例上只提升了一个点，就需要做重复实验去避免实验结果的随机性。

审稿人

一篇论文能被复现，固然是一件大好事。但是，审稿人之所以不太在乎论文能否复现，是因为论文里面的实验结果并不是最关键的。

审稿人更加关心的是论文给大家提供的新的信息。也就是，论文给这个研究方向提供了哪些新的insight？这里说的insight是什么呢？