讀論文需要區分精讀和略讀。對於重要的、經典的論文，需要精讀，其他的可以快速地略讀簡單瞭解一下就好了。
關注要關注一下幾個重點：
- 論文背景是什麼？解決的是什麼難題？(what)
- 用什麼方法解決？(how)
- 爲什麼可以解決？（why）
一般讀的順序，個人建議，先讀摘要abstract，然後接着看介紹introduce和最後的結論conclusion，再結合expiriment的結果和圖表豐富性，明白大概的what和how就好了。這一步也能再次篩選出論文值不值得精度下去。我個人是喜歡先看結論，再看過程，畢竟工作目標first。如果值得深入讀下去，就好好看看實驗設計得合不合理，對比的算法或者標準是不是夠多和前沿。很多水論文會拿一些已經過時的算法做比較，或者在一些小的數據集上測試，或者做對照試驗變量控制沒做好。如果這些要求沒達到，理論再好也不要輕易相信。過了結論關，就可以去看看裏面的重要思想了。Relative work是一個可以快速拓展領域知識面的好專題，對整個背景有一個大致的瞭解，也可以從中索引文獻挖出很多歷史好文。在讀的過程中，最好邊讀邊畫重點，因爲是英文論文，對英文的敏感度遠不及中文，很多看過後再看，還是會花很多時間。重點就是上面提到的幾個問題。最後再寫一下總結。
舉個栗子，最近在研究人臉識別中的大角度識別問題，通過搜索看到了一篇知名度挺高的論文《Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis》，簡稱TP-GAN。在摘要我畫出了以下重點：
1）從一張側臉合成正臉用於人臉識別的專題。(what)
2）TP-GAN網絡，這個網絡通過同時提取全局結構和局部信息來把單張大角度側臉圖片生成正臉圖片。（how）
3）核心是對抗生成網絡，結合了像素損失，對抗損失，對稱損失，身份信息保留損失，使用全局和局部雙通道編碼解碼的生成方式，使生成的照片不僅真實，還利於直接提高人臉識別的準確率。
4）各種損失函數的公式和意義。
5）實驗的比對作用。對比損失函數的增減對準確率的影響；對比實驗模型和不同的人臉識別模型的性能。
花點時間做下筆記和總結，否則讀完之後過一段時間便忘得一乾二淨。這是需要毅力的。爲什麼很多人都做不到呢？包括我自己經常也是。讀完之後會有一種如釋重負的感覺，感覺完成了一件心頭大事，就開開心心去做的了，這是一個原因。還有一個很大的原因就是因爲懶。記筆記和寫總結多麻煩呀~。看似會做很多工作，但其實從長遠的角度來說，不做筆記下次再看會做更多的工作。也有人會說，看完我也不一定會再看了，也不一定用得上，何必再麻煩呢？其實即使用不上，這也是一種積累，是生命留下的痕跡，努力過的痕跡，更關鍵的是，它還是一種習慣。習慣養成了，受益終生。
，