如何使用paperwithcode

打开官网地址，在左上角搜索你想要的论文。

论文带代码的神器，可以有效检索AI各个领域的最佳信息。只有通过阅读论文和进一步阅读代码，我们才能彻底理解论文的思想和技巧。

Paperwithcode网站将ArXiv上最新的机器学习论文与GitHub(tensor flow/py torch/MXNet/等)上的代码对应起来。).

据网站开发者介绍，它包含966个机器学习任务，565，438+05个评估排行榜(以及当前最好的结果)，8，625篇论文(带源代码)和704个数据集，并且在不断更新。Paperwithcode网站涵盖了广泛的机器学习任务，包括计算机视觉、自然语言处理等。

随着深度学习的发展，利用深度学习解决相关通信领域问题的研究越来越多。作为一个通信专业的研究生，如果在实验室没有相关方向的代码积累，想要入门并深入到一个新的方向会非常困难。同时，通信领域的论文大多不会提供开源代码，可复制性研究难度较大。

总结如下:

基于深度学习的通讯论文近年来增长迅速。在一些论文中，很明显作者更具有开源精神。本项目重点梳理深度学习在通信中的应用，并公开相关源代码论文。由于个人关注的领域和精力有限，这个清单不会如此完整。

如果你知道一些相关的开源论文，但它们不在这个列表中，非常欢迎你添加它们，贡献给社区。