再过几天就是导师让我们进行汇报的日子了，我前面这段时间其实并没有认真地去学相关的研究内容，我发现自己经常会卡在一个很关键的问题上，就是论文的阅读，这在前段时间曾一度对我打击很大，读了很多篇文章，自己也有去跑论文的代码，但是自己就是不知道该如何自己着手去做相关的科研内容，这让我很怀疑自己是不是没有这方面的天赋，于是乎执着于方法论的我在网上找了一些前人大牛提出的方法论，其中文献阅读部分主要出自 CS230 中吴恩达教授的论文阅读方法，我整合出如下笔记，供自己和有幸阅读到这篇博客的人作为参考。
知识整理#
无论是日常学习还是做研究，都会有很多知识点。人的大脑容量有限，没办法一直记得某个知识点。这时候就需要一份自己的知识库的文档。一方面是看过的内容自己写出来会加深理解，看懂了和能够把看懂的东西写出来完全是两回事。另一方面是过一段时间一些知识忘记了，再回过头来看自己写的东西很快就能记起来，不需要再去翻书或者资料，而且有些东西看完甚至都不记得是在哪里看的了。
比如说你的研究领域会用到CNN（卷积神经网络），那么就可以在文档中专门整理一块关于CNN的内容，可以包括CNN的基本模型结构、起源、优缺点、通常用于解决什么问题、比较有效的几种改进方式、最新研究进展等等。
这份文档需要持续更新和维护，随着你学的内容增加，也会有一些新的理解，可以持续往里面加内容，有时候看到一些新的内容发现自己以前理解的是错的，也可以随时进行修正。同时也可以使用DAG（有向无环图）或者思维导图来帮助整理文献之间的种类与关系，例如某几篇文章是属于同一类方法，或者文章之间的依赖关系。这样对文章之间的关系脉络，以及整个方法种类会更加清晰。
文献阅读#
-
收集关注主题的资源。在Google上快速搜索相关资源，资源可以是研究论文、 媒体文章、博客文章、视频、 GitHub库等形式。
-
在下一步中，你将对你认为与主题相关的任何资源进行深入研究。重要的是要有一种方法可以跟踪对每个入围资源的理解。吴恩达建议绘制一个与你的理解水平相对应的资源表，它看起来与下表相似：
确保每篇文献至少阅读理解10%~20%以上，这样能确保自己能够对于该研究的相关性有个较好的认知。 -
对于收集相关的研究资源，如何保证自己所收集到的相关资源的质量？最好是从该领域的顶会的文章入手，重点关注当前该领域的前沿热点，从这些文章中的 reference 当中再找到与该领域相关的文献资源。 那么收集多少的文献资源是足够的呢？吴恩达教授认为，5-20篇论文代表基本理解了相关主题，或许对于进一步理解技术实现足够了。
-
接下来是很重要的一步：做结构性笔记，即用自己的话总结论文中的关键发现、结果和技术。
IMPORTANT
对于一篇文章我们要进行多次的阅读 (Take multiple passes)：
- 第一遍阅读： 读标题、摘要、图表
- 第二遍阅读： 读介绍、总结、再结合图表，并简单浏览剩下内容
- 第三遍阅读： 阅读论文的整个部分，但是跳过可能感到陌生的数学的部分，也可以跳过任何你不理解或不熟悉的术语。
- 之后的阅读： 那些对某个领域进行深入研究的人可以多看几遍。这些额外的阅读将专注于理解论文中出现的数学，技术和未知的术语。
攥写结构性笔记主要聚焦于以下四个问题：
- 描述论文作者的目标是什么，或者可能已经实现了什么？
- 如果在论文中引入了一种新的方向 / 技术 / 方法，那么这种新方法的关键要素是什么？
- 论文中的哪些内容对你有用？
- 有哪些参考文献你想要跟踪吗？
-
如何深入地阅读并理解一篇文献？吴恩达教授将其分为两个方面：
code：运行该研究的开源代码；从头开始尝试自己复现该论文的代码 math：根据论文从头推导一遍其数学公式
协助研究的额外资源#
一些在线资源使得相关信息的发现和检索相对容易。下面是帮助你搜索相关信息的资源示例。
- Reddit 机器学习社区
- Reddit 深度学习社区
- PapersWithCode 代码库
- 顶级会议，如NIPS, ICML, ICLR
- Research Gate 网站
参考文章：#
- 科研入门 ↗：知识整理部分内容摘抄自这篇文章。
- 吴恩达 Career Advice / Reading Research Papers ↗
- 吴恩达教你读论文 ↗