Paper : Multi-label learning from single positive label
Code

先读一读README.md

可能有意想不到的收获；
实验环境设置要仔细看哦！

读论文

如何读论文，Readpaper经典十问 （可能在我博客里有写）
How to read a paper 来自剑桥CS教授的论文阅读三段论

读代码

1. 以.py文件为单位读代码；
2. 以函数为单位读代码；
   可以是人家写的，也可以是调包用的。
3. 抄代码；
   可以一字不落的抄，也可以有选择性的抄主干；
   只抄主干是指只抄和逻辑相关的部分，比如说像print语句就跳过，开头一堆导入包也跳过，还有使用parse抓取超参数也懒得管，再者是torch自带的计算mAP的小函数，哦，原来人家看上去还是写了那么一大段，也是从Pytorch官网上扒拉的，所以我只需要知道这个函数输入什么，输出是一个值，表示mAP分数就好啦；
   那看函数输入看什么东西呢？也就是说看那个变量的什么属性呢？一般观察它的类型type、形状shape, 元素值value，
   • type : 比如说是tensor；
   • shape : 比如说是(16, 81)，batch size = 16, 81表示有81个类别（nuswide）；
   • value : 比如说是一个[0, 1]之间的数，表示概率值，这个类别有多少概率是真的；

运行代码

运行并调试代码；

修改代码

自己写点新的东西；

完事！