文章目录
专业的论文网站
Papers with Code
官方网址：https://paperswithcode.com
这是 Reddit 的一个用户 rstoj 做的一个网站，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。
有关联代码，非常的nice！而且界面也很好，推荐指数：⭐⭐⭐⭐⭐
Browse state-of-the-art
官方网址：https://paperswithcode.com/sota
这个网站主要是解决另一个问题——寻找一个领域目前最好的（State of the art, Sota）算法的论文以及实现代码，也算是paperswithcode下的一个子模块，相关需求的同学帮助非常打，推荐指数：⭐⭐⭐⭐。
这也是刚接触到一个新领域时候，必须要做的事情，先找到最新最好的算法论文，然后根据这篇论文的代码实现，先跑下代码，接着再去了解细节，或者是根据它的参考论文，来学习这个领域最近几年的论文（一般是 3 年到 5 年内的），逐渐熟悉这个领域的研究方向和难点所在。
arxiv
官方网址：https://arxiv.org/
arXiv是一个向任何人开放的策划研究共享平台。作为数字开放获取的先驱，目前在八个主题领域拥有200多万篇学术文章，由我们强大的志愿者版主社区策划。arXiv为研究人员提供广泛的服务：文章提交，编译，生产，检索，搜索和发现，人类读者的Web分发，机器的API访问，以及内容管理和保存。我们对开放性、协作性和学术性的重视为arXiv的蓬勃发展奠定了坚实的基础。arXiv目前服务于物理，数学，计算机科学，定量生物学，定量金融，统计学，电气工程和系统科学以及经济学等领域。arXiv由Paul Ginsparg于1991年创立，现在由康奈尔理工学院维护和运营。
专业性很强，但是页面不够没观，有的没有其他资料，只有PDF，找论文指数：⭐⭐⭐⭐⭐，代码推荐指数：⭐⭐⭐
Google学术：
Google学术搜索：https://code.google.com/archive/
没玩明白，推荐指数：⭐⭐
ResearchCode
官方地址：https://researchcode.com/
一个很好用的查找论文代码的网站，当您在https://arxiv.org/或Google Scholar中搜索浏览论文时，还可以用http://researchcode.com提供的google chrome扩展程序”ResearchCode code finder“查找代码。
推荐指数：⭐⭐⭐⭐
CatalyzeX
官方地址：https://www.catalyzex.com/
CatalyzeX可以方便快速找论文代码，还可以直观看到论文代码是否开源，也可以下载插件方便使用
Code Ocean
Code Ocean用于创建、共享、发布、保存和重用可执行代码和数据的集中式平台。借助Code Ocean，研究人员可以轻松地分析、组织和执行研究工作，并将其发表到机构库和期刊中，推荐指数：⭐⭐⭐⭐。
ReadPaper
ReadPaper是论文阅读管理工具，理工科科研人的专属福音
推荐指数：⭐⭐⭐⭐⭐
GitHub
挺好的，不用多说。
直接搜有技巧或者知道作者容易搜索一些，直接搜论文名比较难，推荐指数：⭐⭐⭐⭐，会查的推荐指数：⭐⭐⭐⭐⭐
知乎/csdn
找到自己要用的论文的解析，通常博主会关联相关的代码地址（不过现在这环境大部分是不会了😅😅😅）。
推荐指数：⭐
文章出处登录后可见！
