From 0c9b3bdd6cc21ab0cbf0d144691fc08b29349281 Mon Sep 17 00:00:00 2001
From: wangzhen38 <41941775+wangzhen38@users.noreply.github.com>
Date: Fri, 19 Nov 2021 12:28:50 +0800
Subject: [PATCH] lwfx4rec (#5379)
* update rec
* update rec
---
docs/lwfx/ThesisReproduction_Rec.md | 66 +++++++++++++++++++++++++++++
1 file changed, 66 insertions(+)
create mode 100644 docs/lwfx/ThesisReproduction_Rec.md
diff --git a/docs/lwfx/ThesisReproduction_Rec.md b/docs/lwfx/ThesisReproduction_Rec.md
new file mode 100644
index 00000000..f296a3f1
--- /dev/null
+++ b/docs/lwfx/ThesisReproduction_Rec.md
@@ -0,0 +1,66 @@
+# 论文复现指南
+
+## 目录
+
+- [1. 总览](#1)
+ - [1.1 背景](#1.1)
+ - [1.2 前序工作](#1.2)
+- [2. 整体框图](#2)
+- [3. 论文复现理论知识](#3)
+- [4. 论文复现注意事项与FAQ](#4)
+ - [4.1 通用注意事项](#4.0)
+
+
+## 1. 总览
+
+
+### 1.1 背景
+
+* 以深度学习为核心的人工智能技术仍在高速发展，通过论文复现，开发者可以获得
+ * 学习成长：自我能力提升
+ * 技术积累：对科研或工作有所帮助和启发
+ * 社区荣誉：成果被开发者广泛使用
+
+
+### 1.2 前序工作
+
+基于本指南复现论文过程中，建议开发者准备以下内容。
+
+* 熟悉paddle
+ * 文档和API
+ * 80%以上的API在功能上与pytorch相同
+ * [PaddlePaddle文档链接](https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/index_cn.html)
+ * [Pytorch-Paddlepaddle API映射表](https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/08_api_mapping/pytorch_api_mapping_cn.html)
+ * [10分钟快速上手飞浆](https://www.paddlepaddle.org.cn/documentation/docs/zh/guides/02_paddle2.0_develop/01_quick_start_cn.html)
+ * 数据处理[DataLoader](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/api/paddle/io/DataLoader_cn.html)
+* 了解该数据格式。以Criteo数据集为例，该数据包含了13个连续特征和26个离散特征；还有一个标签，点击用1表示，未点击用0表示。
+* 准备好训练/验证数据集，用于模型训练与评估
+* 准备好fake input data以及label，与模型输入shape、type等保持一致，用于后续模型前向对齐。
+ * 在对齐模型前向过程中，我们不需要考虑数据集模块等其他模块，此时使用fake data是将模型结构和数据部分解耦非常合适的一种方式。
+ * 将fake data以文件的形式存储下来，也可以保证PaddlePaddle与参考代码的模型结构输入是完全一致的，更便于排查问题。
+ * 在该步骤中，以AlexNet为例，生成fake data的脚本可以参考：[gen_fake_data.py](https://github.com/littletomatodonkey/AlexNet-Prod/blob/master/pipeline/fake_data/gen_fake_data.py)。
+* 在特定设备(CPU/GPU)上，跑通参考代码的预测过程(前向)以及至少2轮(iteration)迭代过程，保证后续基于PaddlePaddle复现论文过程中可对比。
+* 在复现的过程中，只需要将PaddlePaddle的复现代码以及打卡日志上传至github，不能在其中添加参考代码的实现，在验收通过之后，需要删除打卡日志。建议在初期复现的时候，就将复现代码与参考代码分成2个文件夹进行管理。
+
+
+## 2. 整体框图
+可参考[cv部分](https://github.com/PaddlePaddle/models/blob/tipc/docs/lwfx/ThesisReproduction_CV.md)
+
+
+## 3. 论文复现理论知识
+可参考[cv部分](https://github.com/PaddlePaddle/models/blob/tipc/docs/lwfx/ThesisReproduction_CV.md)
+
+
+## 4. 论文复现注意事项与FAQ
+
+本部分主要总结大家在论文复现赛过程中遇到的问题，如果本章内容没有能够解决你的问题，欢迎给该文档提出优化建议或者给Paddle提[ISSUE](https://github.com/PaddlePaddle/Paddle/issues/new/choose)。
+
+
+### 4.1 通用注意事项
+
+* 常见问题和误区
+ * 不要主动调参，目的是复现而不是提升精度
+ * 不要加论文中没提到的模型结构
+ * 数据和指标先行对齐
+* 数据集获取
+ * PaddleRec提供了大量推荐数据集，可优先从[这里查找](https://github.com/PaddlePaddle/PaddleRec/tree/master/datasets)
--
GitLab