#699 · 主分类: 教育与研究
releasing-research-code
发布机器学习研究代码的技巧(含NeurIPS 2020官方建议)
项目最后更新:05/19/23
GitHub Stars
3.0K
Forks数量
744
贡献者数量
10
许可证
MIT
收录理由
论文代码公开这件事,看似简单,实际操作中却有不少容易踩的坑。这份指南把两百多个热门机器学习仓库的做法浓缩成五条核心建议:依赖环境要写清楚、训练代码要完整、评估代码要能用、预训练模型要提供、README里要放结果表格并附上能复现这些结果的准确命令。项目还附带一个README模板,是从社区反响较好的仓库中提炼出来的章节结构,另外提供了分析用的数据和笔记本,方便你验证结论。后来NeurIPS把其中建议纳为官方指引,照着做也意味着你的发布方式与主流学术会议审稿人的预期保持一致。它不是一套需要部署运行的软件,而是一份参考手册和模板集,适合在撰写自己仓库的说明时打开对照着用。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管,为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南,覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章,助你提升开发技能
generative-ai-for-beginners
21节课,开始使用生成式AI构建