最近发现一个神奇的网站，这个网站在看论文找代码的时候提供很大的便利，分享给大家。

Reddit用户rstoj做了一个网站，将ArXiv上的最新机器学习论文与GitHub上的代码（TensorFlow/PyTorch/MXNet /等）对应起来。你可以按标题关键词查询，也可以按流行程度、GitHub星星数排列“热门研究”。这个网站能让你跟上ML社区流行的最新动态。

网站地址：https://paperswithcode.com/或者直接搜索Papers with Code

打开网站是这样的

搜索“GAN”

        

连接到代码

连接到论文

        这个项目索引了大约5万篇论文（最近5年发布在arxiv上的论文）和1万个GitHub库。网站刚刚上线，功能还有些单一，作者表示未来还将增加标签索引、链接媒体文章和教程等功能。真的很方便！
 

Logo
脑启社区

脑启社区是一个专注类脑智能领域的开发者社区。欢迎加入社区，共建类脑智能生态。社区为开发者提供了丰富的开源类脑工具软件、类脑算法模型及数据集、类脑知识库、类脑技术培训课程以及类脑应用案例等资源。

更多推荐

神经拟态计算：类脑芯片的嵌入式开发指南

类脑芯片作为神经拟态计算的核心，通常由大规模集成电路（VLSI）构成，它能够模拟大脑神经元的行为和突触之间的电化学过程。开发类脑芯片涉及多学科的知识，包括神经科学、电子学、计算机科学等。嵌入式开发是指将类脑芯片集成到实际应用系统中，使其能够在不同的设备和环境下发挥作用。嵌入式系统通常是资源受限的，因此，类脑芯片的嵌入式开发需要考虑以下几个关键因素：类脑芯片应当具备足够的计算性能，以支持复杂的神经网

avatar 脑启社区

神经拟态计算：类脑芯片的嵌入式开发指南

类脑芯片，顾名思义，是一种模仿大脑神经元和突触的芯片。与传统的计算芯片不同，类脑芯片在设计时考虑到了神经网络的结构和计算方式，使得其在处理信息时能够模拟生物大脑的神经元活动。类脑芯片通常由大量的神经元单元和它们之间的突触连接组成，能够执行类似人类大脑的任务。??作为嵌入式开发的一个重要分支，类脑芯片的开发面临着许多技术挑战。例如，如何在有限的硬件资源下实现复杂的神经网络模型？如何有效地进行神经元之

avatar 脑启社区

神经拟态计算：类脑芯片的嵌入式开发指南

神经拟态计算（Neuromorphic Computing）是一种模拟生物神经网络的计算模型，通过模仿大脑的结构和工作机制来实现信息的处理和计算。与传统的冯·诺依曼架构相比，神经拟态计算能够更有效地处理大量并行任务，并在低功耗的环境下进行高效的计算。??神经拟态计算的核心在于其“类脑芯片”技术。类脑芯片的设计目标是模仿人脑神经元之间的连接方式，使计算机能够像大脑一样进行感知、学习和推理。这一技术的

avatar 脑启社区