来源：白鹤鸣九霄
1.李沐动手学习深度学习。跟着网上的教程敲下来，能让你对深度学习有一个基本的认识。期间可以适当看一些论文，时间大概在一个半月左右。
2.确定方向。学习完之后就可以确定一个方向了,确定方向之后，最重要的事情就是先不断积累该方向的代码经验。具体以差异检测为例，如何找开源代码来跑呢。Github上有Awsome系列，把近年来数据集，网络结构，论文都总结了，能快速了解领域的发展。
3.配环境->跑通->修改数据集/网络/…然后就是不断重复这个过程，期间配合读代码对应的论文，结合代码食用，就能大大提升对论文的理解能力。所以一开始尽量读有开源代码的论文。否则读了之后你也不知道他具体做了什么工作。期间就做好文献管理和数据管理。
4.搭建训练框架。在3的过程中，逐渐可以搭建起自己的一套训练框架了。也摸清楚了自己的领域里大多数人都是怎么做研究的了。然后就可以不断尝试新方法了。思路主要有两种：1.在自己任务的Baseline上加模块，目的就是涨点 ；2.将其他领域上的方法借鉴过来解决一个特定的问题。
两种思路各有优缺点，前者优点：思路比较明确，路子比较明确，就不断挑好的方法、模块去试；也正是因为这样，缺点就是，有时候真的挺难达到SOTA。后者优点：做的人可能比较少，竞争小。但是正是因为这样，才没有明确的路子，甚至连待解决的问题本身都是不明确的，这就需要自主地去探索。如何选择？这就得结合实验室基础和自身角度去选择了。
5.跑实验，积累数据。在确定了要解决的问题，并且寻找到了一个解决办法之后，剩下的就是不断跑实验，积累数据。基本数据，对比数据，自身方法数据。跑出来一个基本的效果之后，感觉心里有底之后，就可以开始边写论文了。
分享自己总结出的一句话:
“知识可以自学，但经验一定要借鉴！”
