其实我觉得NLP稍微难一些
抽象,歧义多,一词多义,表达方式多这些都是他的特点,但是我觉得最难得还是主观性太强
我们在日常生活表达的时候都只会说个大概,听者会自动补全描述语。并且,在不同的环境下,同样的句子你可能补全的也不一样。
这只是个人观点。我也想听听大家的观点,欢迎大家留言
感觉也要分学术界和工业界,现在cv落地挺难的,nlp相对好一些
cv的数据理解起来容易,NLP的embedding是我们这几年才建立的,相比cv的具体数值,NLP太多不确定性
学习到
我不太懂工业界,nlp也接触的不多,但我感觉到是cv在学术界水文很多了,很多目标检测、图像分类和图像分割的商业应用也不少
从一个cv渣渣角度来说,我还是看好nlp
nlp理论知识更难,cv创新难
现在觉得图学习更难……脑子快炸了,啥时候PGL能开课程讲啊……
cv人太多了,点子都被想完了
我也急需图学习的知识。
emmmmmm
B站好像有清华老师的课。。。感觉资料真不多……
去知乎逛逛吧,找资源
目前的图学习是不是都是速度很慢的?无法上大规模数据训练?
好像是这样,不过图学习未来在大规模数据集上的表现基本是可预见的强大……
你是不是研究的复杂网络呀
我是研究怎么把复杂网络工具应用在文本处理上 。
想尝试图学习。
冲冲冲 支持你
感觉图方面的知识好难哦
自动驾驶这一块确实落地挺多cv的
感觉也要分学术界和工业界,现在cv落地挺难的,nlp相对好一些
cv的数据理解起来容易,NLP的embedding是我们这几年才建立的,相比cv的具体数值,NLP太多不确定性
学习到
我不太懂工业界,nlp也接触的不多,但我感觉到是cv在学术界水文很多了,很多目标检测、图像分类和图像分割的商业应用也不少
从一个cv渣渣角度来说,我还是看好nlp
nlp理论知识更难,cv创新难
现在觉得图学习更难……脑子快炸了,啥时候PGL能开课程讲啊……
cv人太多了,点子都被想完了
我也急需图学习的知识。
emmmmmm
B站好像有清华老师的课。。。感觉资料真不多……
去知乎逛逛吧,找资源
目前的图学习是不是都是速度很慢的?无法上大规模数据训练?
好像是这样,不过图学习未来在大规模数据集上的表现基本是可预见的强大……
你是不是研究的复杂网络呀
我是研究怎么把复杂网络工具应用在文本处理上 。
想尝试图学习。
冲冲冲 支持你
感觉图方面的知识好难哦
自动驾驶这一块确实落地挺多cv的