讨论内容
Howard Yin 2021-02-01 06:30:03 论文笔记讨论
# SIGCOM中的论文其优点何在？
在一个使用场景中开辟了新思路，并且效果很好，这是决定性因素么？
# 论文的思想都很巧妙很好理解，但学术性从何体现？应该重点关注哪些部分？
讨论结果：
- Introduction从哪些方向切入？思想方面
- Design部分关注了哪些问题？
- Design部分对每个问题具体地进行了哪些分析？分析到何处为止？
- 围绕哪些问题做实验？每个问题具体有哪些实验图？
学术性：
- 方法是为了什么？两条路：
- 发明新的方法：已有的方法有什么缺点？
- 寻找新的场景：已有方法为什么不行？
# SIGCOMM读到论文里面的里面引用的INFOCOMM
# 来自 Server-Driven Video Streaming for Deep Learning Inference 的
# 来自 SPINN 的 Related Work
# 开题中想到的问题
实际的应用场景都是论文里自己找的？
应用场景应该如何寻找？
比如车联网的开题，现在都倾向于把目标识别自动驾驶放在车上而不是网络上，并且不是因为性能上的考虑，而是人命关天，容不得任何延迟，通过网络做不仅是有延迟不能及时反应并且有安全问题，并且显卡的体积能耗热量都只是汽车发动机的零头，不大会有算力不够的说法，可以做但是做出了不太可能被厂商接受。并且这种联合感觉非常牵强，要深究可以有很多在边缘服务器上运行的不相干的问题都可以联合。
论文只能告诉我们什么可以做，但不能告诉我们什么不能做：
- 有哪些东西是已经有人探索过并证明不可行的方向？人总是只会在可行的方向上发论文
- 不可行的方向看着和可行但没人做的方向很像
- 不可行的方向要从历史中去判断，并且可行与不可行随科学发展还会发生变化
# 论文中随处可见要实际上手做过才能想到的问题
现在在干的项目中有哪些可以实践的方面？
不能一直拿数据集搞事，数据集不符合任何一种目标检测的应用场景（典型地，摄像头的目标识别都是连续视频，更数据集区别挺大）
# 来自OnRL: improving mobile video telephony via online reinforcement learning
用强化学习控制在线视频聊天的码率。
这里作者想到了码率不能说变就变，视频编码受多种因素影响
还有这里作者连训练初期出现错误行为对网络的影响都考虑了。单从科研角度来讲，这个问题不容易想得到。
# SPINN
关于这个SPINN也是一样，我看着里面提到的很多问题都看不出来它为什么提，明明相关的问题应该很多，偏偏提了那一个
不实际上手ResNet之类的网络提不出来这样的问题
# 总结项
- 应用场景
- 要解决的核心问题
- 用于此场景的现有技术
- 这个应用场景和其他应用场景的不同之处
- 要解决的关键问题
- 解决这些关键问题的方法
- 可调参数
# 杂项
边缘计算工作流->依赖性的镜像缓存
运用了某种方法->这个应用场景和这个方法的其他应用场景有啥不一样的？