Merge pull request #34 from Justjustifyjudge/main

add paper_with_code for beginners

src/ai/cv.md

@@ -1,3 +1,3 @@
-# CV(Computer Vision）
+# CV(Computer Vision)
 
 - CS231n: Stanford 的 CV 入门课程 \[[Main Page](http://cs231n.stanford.edu/)\] \[[bilibili](https://www.bilibili.com/video/BV1nJ411z7fe)\] \[[Assignments](http://cs231n.stanford.edu/schedule.html)\]

src/file/论文粗读攻略.md

@@ -16,6 +16,8 @@
 
 直接全部复制摘要，问 GPT，翻译以下内容，然后你就知道它干了什么。甚至因为排版的问题，可能你直接复制会有一定乱的格式，都不用管，gpt can handle this。摘要是一篇文章的精华，告诉了你他们的 work 是什么。
 
+推荐在看introduction之前再看看论文的附图（一般的cs论文都会有附图的，无论是模型结构图还是性能比较图亦或是采集数据集的实地照片或者构建的3D模型的图），都可以帮助阅读者快速了解论文作者到底在干什么，顺便快速判断一篇论文是否有阅读的价值。
+
 之后看 introduction，作为一个领域刚刚入门的人，可以进行一个迭代学习，看到不会的之前的工作，向前回溯，introduction 是论文的故事在的地方，看看可以知道这篇工作的故事走向，可以信一部分，但别完全信。
 
 之后跳到 discussions，老规矩继续 gpt 翻译，不会的东西先问 gpt，再查网上，毕竟都到论文了，网上的东西只会越来越少，尤其是一些下游任务，和它聊久了你就能感觉出来它有什么东西讲的很确信，有什么是在瞎扯。
@@ -32,6 +34,9 @@
 
 接下来你要是想要去做，和老师谈一谈，然后找到它的代码，作为新手，还是建议大家找有源码的论文，在上面做拓展也方便，不懂的地方依然 gpt 解决，直接每个文件 `ctrl+A` 全部复制，或者分段复制，让 gpt 加中文注释或者简要解释每个函数的功能，之后 `tree` 一下，也给 gpt，方便 gpt 理解一切。
 
+潤码时有一个不错的网站推荐：Paper with Code，里面的论文基本上都会附带GitHub的仓库链接，可以快速找到与论文相关的代码。
+\[[Main Page](https://paperswithcode.com/)\]
+
 代码也是讲究一个跑通就好，看看上面的 args 里面都有啥，然后看看 dataloader 这部分的循环里面怎么训练的，假如有实现一个 module，看看里面的结构，像是数据处理之类的就不用管了，主要看 idea 是怎么实现的，至于怎么读，这里我要提一个人类的好朋友，gpt......
 
 以上，当然，也不难发现，最重要的是成为一个 gpt chater，每一个人一天和 gpt 说话少于 20 句，都是摸鱼的一天。

src/misc/misc.md

@@ -15,4 +15,5 @@
 - 崔庆才 Python3 网络爬虫学习教程: [[zh-cn](https://cuiqingcai.com/17777.html)]
 - youtube下载工具：[[Github](https://github.com/yt-dlp/yt-dlp)]
 - 掘金翻译计划：[[Github:zh-cn](https://github.com/xitu/gold-miner)]
-- 桌面管理工具：[[Github:zh-cn](https://github.com/coodesker/coodesker-desktop/releases)]，推荐1.0.4.1release的免费版！
+- 桌面管理工具：[[Github:zh-cn](https://github.com/coodesker/coodesker-desktop/releases)]，推荐1.0.4.1release的免费版！
+- 论文代码查找网站：[[page](https://paperswithcode.com/)]