写给NLP研究者的编程指南

最近AllenNLP在EMNLP2018上做了一个主题分享，名为“写给NLP研究者的编程指南”（Writing Code for NLP Research）。

 

内容干货满满，仅仅只是看了slide就知道是非常有意思的一次演讲了。slide共有254页之多，这里我简单做个摘要，分享一些有意思的内容。

 

有时间的话推荐大家直接看slide，下面是地址，请自备梯子。

 

https://github.com/allenai/writing-code-for-nlp-research-emnlp2018/blob/master/writing_code_for_nlp_research.pdf

 

下面是整个分享的大纲。通过这次演讲，你可以学到如何写代码来促进你的研究，以及可复现的实验。

 

 

这里有两种写研究代码的模式，一种是写原型，一种是写组件。

 

 

我们先从写原型的方式开始介绍。

 

 

当我们开始写一个原型代码的时候，我们要做到下面三点。

 

1. 写代码要快

2. 跟踪实验结果

3. 分析模型结果

 

快速开发

 

 

要做到快速编程，不要从头开始写所有内容，而是使用框架。这里的框架不仅指tensorflow或pytorch之类的框架，也可以理解为模板。比如上图中如果写trining loop的部分，已经有人写好了。我们只要看懂后，直接拿来用就行，没有必要从头开始自己写所有部分。

 

 

上面提到的一些内容，都是可以找到现成框架来套用的。

 

Don’t start from scratch! Use someone else’s components.

 

 

如果有人把你想用的东西模块化了，还等什么，直接拿来用啊！

 

 

要想快速开发，另一个建议就是先复制，再重构。要记住，我们是在写原型，不用在乎什么可用性，先把代码写work了再说。如果实现的效果不错的话，再回去重构。

 

 

另外，我们要有好的编程习惯。比如起有意义的变量名，写注释帮助理解。记住，我们是写给人看的，不是机器！

 

跟踪实验结果

 

 

可以准备一个Excel表格，来记录实验结果