论文复现效果不好（复现开源论文代码总结）
随着深度学习的发展 ，深度学习已经逐步应用到很多领域 。同时 ，越来越多的深度学习模型被提出 ，我们在了解一个新提出的深度学习模型是时候 ，只看论文可能会对模型有一个大致的了解 ，具体模型的效果怎样 ，往往还是需要自己运行一下原模型 ，才能有深入了解 。那么快速复现开源论文的代码 ，可以对学习起到事半功倍的效果 。
1. 找到开源论文的代码
很多开源论文都在论文中附带了代码的网址 ，比如论文《Compositionally restricted attention-based network for materials property predictions》在论文的数据获取部分加入了代码的github网址 ，如下图所示 。
除此之外 ，也可以通过paperswithcode网站 ，输入文章标题 ，就可以看到论文的代码 ，如下图所示 。对于一些经典的模型 ，可以直接在github中输入模型名字搜索 。
2. 阅读README.md说明文档
为了方便读者复现论文代码 ，作者一般会写一个README.md说明文档 ，内容可能包括代码依赖环境 、代码内容介绍 、代码引证的论文 、如何运行代码等内容 ，不同的项目可以包括不同的内容 。复现一个项目 ，读懂README.md文档可以帮助我们对代码有个大概的了解 。下图是CrabNet模型的代码 ，项目中三个说明文档是对项目中三个不同部分说明 。
3. 代码下载与解压
在github中找到对应的项目工程 ，下载对应项目到本地并进行解压 。
4. 配置环境 、下载数据集与预训练权重
要想成功复现一个python项目代码 ，首先需要配置python环境 ，这里推荐两种配置环境的方法 。
对于某些代码复杂 ，需要安装的python依赖包较多 ，并且代码中提供了conda环境配置文件的项目 ，可以通过.yml配置文件创建一个该项目的虚拟环境 ，运行代码时需要激活该虚拟环境 。通过配置文件创建虚拟环境的命令为conda env create --file conda-env.yml 对于一些python依赖包和自己已有环境中第三方包重合度较高 ，且没有提供conda环境配置文件的项目 ，可以在自己已有的环境中手动pip install安装项目依赖包 ，运行项目需要激活安装依赖包对应的虚拟环境 。对应一些pip安装不上的包 ，可以通过下载包对应的whl文件 ，然后通过pip install + whl文件名进行安装 。除此之外 ，一些项目需要自己下载数据集和预训练权重 ，可以通过作者提供的README.md文档查看如何下载对应文件 ，并把文件放在对应位置 。如果README.md文档没有具体说明下载文件放置位置 ，可以通过代码对该文件调用时的路径来确定 。
5. 运行代码 ，排错
经历了以上四步 ，接下来就可以运行代码 。运行代码前要注意通过conda activate environment_name激活自己配置的环境 。对于不同的平台 ，不同的python编辑器运行方式略有不同 。
到这里如果运行没有成功 ，可以根据报错信息提示 ，解决对应的问题 ，下面列举几个出现问题常见的原因 ，遇到新的问题也会更新到下面 。 自己电脑上的依赖项 、数据集 、预训练权重等相关文件没有放到对应路径 、安装不完整或者版本不匹配； 可能是因为自己的电脑上的硬件不支持 ，例如报错显存不够 。这时可以通过调整代码的运行参数来解决 ，通常可以设置batch size为1来解决；参考
如何在自己的电脑上复现开源论文里的代码 CrabNet项目代码创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！