首先，我们的目的是要水一篇论文。水的意思是快速地想好实验怎么做，做完实验，写完论文。

所以，水论文大概率发不了二区及以上，请想发二区及以上的同学退出去老老实实多看几篇论文。

博主本身学的是 深度学习+一个东西   的交叉方向，所以出发点都是 以深度学习为工具而言的。博主本身也是水了三篇，现在已功成名就，现在处于老师不管状态，贼爽！！！！！

好了，不废话，直接上内容。

第一步就是要确定一个课题。当然，你们老师肯定会给你找个方向，例如：深度学习+图像识别。或者其他的，这都无所谓其实。在这个课题里面，你需要知道深度学习在你课题扮演的角色是什么。最多的就是：把深度学习用作分类，预测，分析什么的。

知道深度学习这个工具在你课题里是干什么的之后，就可以寻找一个网络。一开始咱自己是不会写代码的，所以要在别人代码基础上进行实验。找找你课题方面的论文主代码。尽量找top的，top级别的论文一般都给代码，而且在这上面修改，更容易出结果。找个几天，能多找几个就多找几个，选个你最感兴趣的代码。

提示：找到主干网络，你就成功一半了。

在这一步里，就要思考创新点了。什么叫创新点啊。

创新点就是给主干网络换东西 / 加东西。

一般有俩大创新点，一个小创新点。三个创新点就行。

大家要知道，深度学习包括卷积神经网络，残差网络，长短时记忆网络，自注意力网络等很多网络。在第一步里，不是让大家明白深度学习在你课题里扮演啥角色嘛，这时候就派上用场了。假如说是深度学习是用来分类的，那大家就去搜哪些网络比较适合做分类

具体网络分类大家去这个网站里找：

The latest in Machine Learning | Papers With Code

换大网络相当于一个创新点，还需要一个大创新点。我们可以将大网络架构或者已经换完的网络架构按功能拆解开：第一部分啥功能，第二部分啥功能，第三部分啥功能。拆解开后，就按功能去搜索哪些模块可以实现这些功能，然后给他换掉。一般来说，数据处理部分适合换模块。

凑够两个创新点了之后，小创新点一般是一些不太重要的东西。这时候我们就可以使用万金油模块——注意力模块了。说他是万金油，意思是什么网络都可以加注意力模块。主流的注意力模块主要有三个，通道注意力模块，空间注意力模块，CBAM注意力模块（空间和通道）。挨个试就完事了，总有一款合适。

最后就是对比了。可以说，我们做实验的目的就是要说明，经过我们的改动，我们的网络要好。不过比谁好呢？比我们主干网络好吗？一般来说，是要比我们主干网络要好的。但是如果实在怎么改都不好，那就退而求其次，找个不太好的网络比比，肯定有，多找几个。这时候把意义换换就完事了。

做完实验后，就开始写论文。这方面，我专门写一个文章说说。有太多窍门了。

如果有感悟，请大家点个收藏什么的，以防找不到。大家有什么问题直接在评论区说就行，如果需要我帮大家看看课题论文，就私信我。