尤其目前paperswithcode与arxiv已经互助，在arxiv的论文下面会展示干系的代码，尤其在找某些论文的第三方实现时非常方便。

故意思是，有一个与paperswithcode相对应的paperwitoutcode网站：

网址：https://www.paperswithoutcode.com/

这个网站的目的是为那些试图复现不可复现论文结果的研究职员节省韶光和精力。
这可能是由于论文没有足够的细节，或者方法直接不起浸染。
无论哪种情形，作者都有机会作出回应。
希望这能节省人们的韶光，减少不可复制的论文。

1. 论文的第一作者将被奉告并有机会作出回应。

2. 有多次投票和/或链接到复制品的提交将得到优先权。

3. 每一个提交将被审查，以防止垃圾邮件。
如果这是一个真正的提交，期望它在24小时内被批准。

2. 论文预印库：arxiv.org

网址：https://arxiv.org/arXiv是康奈尔大学开放的科学论文电子预印库，涉及打算机科学、机器学习等领域。
arXiv.org目前拥有8个主题领域的近200万篇学术文章，基本上，这里是探求最新研究和最前辈算法的地方。
然而，现在每天都有很多新的文章加入，基本上不可能关注所有的文章。
这便是为什么Andrej Karpathy创建了ArXiv Sanity Preserver，试图过滤出最主要/干系的论文。
如果须要关注最新发布的打算机视觉的文章，可以看：https://arxiv.org/list/cs.CV/recent

3. 走向数据科学：Towards Data Science

网址：https://towardsdatascience.com/Towards Data Science是Medium最大的出版物，涵盖所有数据科学干系的主题。
你可以在这里找到：

兼具代码的初学者友好型教程（利用大多数盛行的措辞，例如Python，R，Julia，SQL等）；特定ML算法或技能的深入描述；有影响力的论文择要；个人宠物项目的描述；该领域的最新；

4. labml.ai：AI深度学习论文实现

网址：https://nn.labml.ai/index.htmlgithub：https://github.com/deepmind/arnheim这是一个大略的PyTorch实现神经网络和干系算法的凑集。
这些实现都有文档解释，该网站将这些内容呈现为并列格式的条记。
我们相信这些会帮助你更好地理解这些算法。

5. Artbreeder：在线创作天生图片

网址：https://www.artbreeder.com/Artbreeder，原名Ganbreeder，是一个基于机器学习的艺术创作网站。
通过利用StyleGAN和BigGAN模型，这款运用程序许可用户天生和修正面部、风景和绘画等类别的图像。
Artbreeder的目标是成为一种新型的创造性工具，通过使它更随意马虎互助和探索，授予用户创造力。
可以在线天生随机meme、头像、专辑封面、风景图片以及二次元头像，通过选定两个或多个图片你可以决定图片中的内容和风格。