谢邀
其实这个是一种手艺吧，并且同样是强组，大组和小组各有特点。我是大组呆过，小组也呆过，各有特点，都难以取舍。本身Team Work的话我听说有些配合的非常好的组（大牛+大牛组合，无打杂拖进度的）能早上九点看论文，晚上就能复现完测一轮，在这先把Team Work放下不表。
如果是一个人做的话，比较不稳定，毕竟假如那天打游戏打卡住了或者其他情况导致心情极其糟糕（烦躁）就会特别难受，然后就可能理解出现了偏差。这个时候动手多半和作者意图不合。不过也不排除有的大佬（在这儿就不说名字了），一手啤酒一手键盘喝的贼High，然后一口气写完全部并且毫无bug，而且好像特么效果还贼好？（明指Goodfellow.jpg）另外，我认为是否理解，其实对于有些动手能力变态的人而言毫无影响，可以先做出来再对着代码理解。
不过其实从一个Nobody到一个徒手用MXNet搭自己的模型，挺快的（deeplearning.ai还有cs231n再加上一些经典结构都懂）一个多月足矣，重要看天分和愿不愿意自己跳出自己的舒适区。我见过一个月几乎毫无产出，结果灵感来了之后跟我打电话聊了一晚上，第二天再告诉我【我准备了serveral篇顶会，你看看】。
就熟手而言，一般情况的话，以自己比较熟的CV领域来说吧，很多所谓的【新东西】其实都是排列组合，我自己写了个小框架，高度集成PyTorch。无非是一个简单的CV框架，而后有attention有dilate的各种东西作为一种选项等等。PyTorch的API本身还是足够满足大多数要求的。比较可怕的是自己哗啦啦写了一堆loss，很多情况要结构本身做出大改，网络图画出来之后都会写一半砍掉重来。比如最近几篇很漂亮的GAN，从CycleGAN这类的东西开始就属于各种loss满天飞然后结构做的特别蛋疼。并且有一些loss甚至看不明白意义何在。而一些RL或者TL的东西，会让人很痛苦，甚至有的TL的研究居然是拍脑门，然后试一下总之就很好用，然后就是不知道为啥。我还特意打个电话问一作，一作直接告诉我说是打游戏的时候想的（隐私问题，不方便告诉是哪一篇）。。。这种情况你就只能骂娘或者你可以自己帮他想思路。另外其实不是所有论文都能复现的，NIPS甚至有大佬开腔骂人，根本无法复现。
一般的paper不被我贴上bull shit的文章，复现起来三五天还是得要的。但是如果只是那种排列组合，恕我直言如果我没理解错的话我可以用2分钟（这个时间主要取决于以你电脑开IDE的时间以及scp到服务器上的时间）——真·改几个参数就做好。然后你就可以优雅的说一句【哦，这篇论文啊？秒了。】。
但是有的时候论文本身有问题，比如说之前在研究的一篇GAN loss，作者哗啦啦说了很多，然后真正操作的时候就会遇到一种蛋疼的感觉，跑起来之后不收敛，我看着奔放的不得了的loss图会肉疼。
目的不是复现，而是验证思想。你会发现很多paper就是bull shit所以不值得你复现，另外一些就是简单的排列组合出的好效果，我们为他们鼓掌（大哥你们真有钱）。而往往值得复现的好东西，都是一堆的琐事细节。有的时候写paper的人都没意识到漏掉了重点的细节，所以我老板在做研究的时候警告我——把事情做好的标志就是别人可以轻松的明白。而这些其实对于paper work的要求其实不低。
问题就怕很多人，明明就是灌水，却非要装逼，不过我擦居然还能中顶会oral？
这届XXX不行啊。
