论文代码是否应该公开已是争论已久的问题,有从业者呼吁通过代码提交减少当下各类论文中的「水分」,也有研发人员表示「代码提交」类问题得因「研究」而异。不过单从我们最关心的各类顶会而言,似乎可以简单从三个…
超90%论文算法不可复现,你为何不愿公开代码?人工智能(AI)这个蓬勃发展的领域正面临着实验重现的危机,就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法,或者在文章中记录他们尝试过的每个超参数。
强行复现别人论文,也未必达到其论文呈现的性能。更可怕的是A论文中了不开源,B论文复现了A在另一模型上的实验中了也不开源。这就导致后人可能被质疑,你看虽然A没开源,但人家B却用的好好的,而B也没开源。B很可能是A的熟人,可以获得代码。
转载于量子位当年看到一篇精彩的AI论文,正想尝试究竟有多厉害的时候,却发现它没有公开源代码。此时的你是不是感到很苦恼?不仅是你这么想,最近AI界女强人AnimaAnandkumar也...
许多人表示,论文能公开代码还是要公开,即使有错误、别人跑不起来,但也尽量发出来,大家还可以做逆向工程——毕竟总比啥都没有强。而关于不发布代码的原因,这里面还出现了“对于你来说开源代码可能就是30分钟的事儿,但有人...
如果提供源代码该怎么传?我的论文又没发表,真的发到什么公开的地方,别人都可以复现的,不知道是不是我小人之心了。。。我可不可以先传到网盘留一个压缩密码?
如果代码实现起来容易,也不难调参数,真的没必要公开代码。2.如果代码复杂,上人家主页找,找不到就果断发邮件要,作者通常会给代码。不给肯定有猫腻,你可以在paper里说“没有和XX对比,原因是作者拒绝提供源代码”。3.
大家好。有一个经典论文上的算法,我费了好大劲才实现,但是不能还原实验结果。这是一篇经典论文提出的算法,无数的论文都引用过,所以人家的数据不可能有问题。我还原不了应该是我的代码写的有问题。原作者是宾夕法尼亚大学的学者(不知道是不是教授),我想发个邮件问人家要源代码...
论文代码是否应该公开已是争论已久的问题,有从业者呼吁通过代码提交减少当下各类论文中的「水分」,也有研发人员表示「代码提交」类问题得因「研究」而异。不过单从我们最关心的各类顶会而言,似乎可以简单从三个角度去看待此问题...
2.使用公开数据,公开代码,论文细节清楚,能复现论文的效果。尽管很多论文的作者也不能说明为什么这么设计的网络效果好,这个应该是深度学习可解释性差的原因。因为他们公开了代码,在公开数据集上效果好,能复现效果,所以也是好论文。文末推荐
论文代码是否应该公开已是争论已久的问题,有从业者呼吁通过代码提交减少当下各类论文中的「水分」,也有研发人员表示「代码提交」类问题得因「研究」而异。不过单从我们最关心的各类顶会而言,似乎可以简单从三个…
超90%论文算法不可复现,你为何不愿公开代码?人工智能(AI)这个蓬勃发展的领域正面临着实验重现的危机,就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法,或者在文章中记录他们尝试过的每个超参数。
强行复现别人论文,也未必达到其论文呈现的性能。更可怕的是A论文中了不开源,B论文复现了A在另一模型上的实验中了也不开源。这就导致后人可能被质疑,你看虽然A没开源,但人家B却用的好好的,而B也没开源。B很可能是A的熟人,可以获得代码。
转载于量子位当年看到一篇精彩的AI论文,正想尝试究竟有多厉害的时候,却发现它没有公开源代码。此时的你是不是感到很苦恼?不仅是你这么想,最近AI界女强人AnimaAnandkumar也...
许多人表示,论文能公开代码还是要公开,即使有错误、别人跑不起来,但也尽量发出来,大家还可以做逆向工程——毕竟总比啥都没有强。而关于不发布代码的原因,这里面还出现了“对于你来说开源代码可能就是30分钟的事儿,但有人...
如果提供源代码该怎么传?我的论文又没发表,真的发到什么公开的地方,别人都可以复现的,不知道是不是我小人之心了。。。我可不可以先传到网盘留一个压缩密码?
如果代码实现起来容易,也不难调参数,真的没必要公开代码。2.如果代码复杂,上人家主页找,找不到就果断发邮件要,作者通常会给代码。不给肯定有猫腻,你可以在paper里说“没有和XX对比,原因是作者拒绝提供源代码”。3.
大家好。有一个经典论文上的算法,我费了好大劲才实现,但是不能还原实验结果。这是一篇经典论文提出的算法,无数的论文都引用过,所以人家的数据不可能有问题。我还原不了应该是我的代码写的有问题。原作者是宾夕法尼亚大学的学者(不知道是不是教授),我想发个邮件问人家要源代码...
论文代码是否应该公开已是争论已久的问题,有从业者呼吁通过代码提交减少当下各类论文中的「水分」,也有研发人员表示「代码提交」类问题得因「研究」而异。不过单从我们最关心的各类顶会而言,似乎可以简单从三个角度去看待此问题...
2.使用公开数据,公开代码,论文细节清楚,能复现论文的效果。尽管很多论文的作者也不能说明为什么这么设计的网络效果好,这个应该是深度学习可解释性差的原因。因为他们公开了代码,在公开数据集上效果好,能复现效果,所以也是好论文。文末推荐