一、研究方向

研究方向来源：导师指定、咨询师兄师姐继续沿着他们的方向做深入研究、自己选方向。本节主要介绍自己如何选方向。

1.1paperswithcode

首先，进入The latest in Machine Learning | Papers With Code，我们可以看到主菜单栏，点击进入"Browse State-of-the-Art"。

接着，可以看到好多专题例如：计算机视觉、自然语音处理等等。以计算机视觉为例，点击进入该专题。

可以发现，计算机视觉下面又有好多子专题，以面部识别为例，点击进入

进入面部识别之后，一直往下拖动，就可以看到该专题的文章，当然可以根据自己的需求选择，是最新的文章还在实现最多的文章，paperswithcode这个网站的最大优点就是专题分类，文章与代码一起展现给我们。选择自己感兴趣的文章何代码进行阅读，找到自己的方向。

1.2其他渠道

知乎+B站+CSDN。

至此，恭喜你找到了自己的研究方向。

二、针对自己的研究方向如何学习

主要包括两点：论文、代码

2.1、论文阅读

首先，从知网等渠道阅读相应研究方向的综述类文章，选择几篇层次较高学校的硕博论文只阅读他们的绪论部分，捋清楚该研究方向各类算法的演变何发展脉络，期间肯定会遇到一些疑问多去知乎等平台搜索。接着，重点阅读英文文献。

英文文献可以从以下几个链接中搜索：学术资源搜索（主要是谷歌学术，及其镜像网站）；Semantic Scholar | AI-Powered Research Tool；https://arxiv.org/

针对英文文献无法下载问题：【转载】如何免费下载IEEE文章！_小汪007的博客-CSDN博客

当然也可以去某宝、某鱼上买一些数据库的账号等等，如果学校有那固然很nice。

在阅读英文论文（当然阅读其他文章也建议如此）期间需要注意两点：第一，做笔记。第二：做好文献管理。我一般把阅读的文章都存到Zotero | Your personal research assistant里面去，其他软件也可以。

关于做笔记，我把我导之前强调的分享一下：

1.作者解决的是什么问题？ 2.为什么这个问题很有意义？ 3.为什么这个问题还没有被解决的很好？难点和实际情况是什么？ 4.作者的解决方案是什么？ 5.数据集和结果如何？ 6.画了哪些图和表？验证了哪些结论？（此处我替网友感谢我导）

这几点里面我个人觉得最重要的就是两点，作者解决了什么问题以及作者的解决方案是什么。强调一下每篇文章都要做笔记，要坚持下来。

恭喜你已经养成阅读，做笔记的好习惯了。

2.2、代码

看文章的目的是需要写文章，而写文章必然要做实验。为了实验你得会代码。话不多说，上链接【完整版】PyTorch入门实战（附课程源码）_哔哩哔哩_bilibili（pytorch版本）

【最完整版】深度学习与TensorFlow2入门实战（附源码和课件）_哔哩哔哩_bilibili（tensorflow版本）

需要了解关于神经网络的一些概念，有些小案里可以对着视频敲一下。当然视频很长，重点看看关于Tensor的操作、神经网络相关概念等。后来我自己在极客时间-轻松学习，高效学习-极客邦买了关于pytorch深度学习实验的课程（不是打广告，不是打广告，要是感觉是这课时长短，案例比较好）关于深度学习目前我知道的代码主要由两部分构成：数据处理部分和网络模型部分，所以新手上车，最好能找到那种可以快速运行的代码。不然会让你很沮丧。当然，网上关于深度学习讲解课程很多，就不一一介绍。大家自行搜索，自行判断。

最后，安利一下，B站里面的学习内容真的很多。

提一点关于服务器租赁推荐，主要是我用过，感觉性价比高智星云 AI Galaxy | GPU云服务器 GPU服务器租用远程GPU租用深度学习服务器 | 免费GPU 便宜GPU

至此，你已经看了不少论文也复现了几个算法，恭喜你。下面你可以想自己的创新点，然后开始写作了。