看了前几章的疑问

Question

首先感谢老师，通过上一门实战课CNN RNN GAN实战，我学到了很多，算是入门了，老师讲的非常好。

然后是这门课的一些疑问，对于第二章后半部分和第三章前半部分的安排疑问。

假如学员会使用TF1.x，那么学员最想要的可能是如何快速使用TF2.0搭建常用模型。

假如学员没有使用过tf1.x，想直接通过tf2入门，前几章的知识会让他们更混乱，应该由简单到复杂，先讲解宏观使用，再细致深入。

现在前几章的内容更像是一些补充知识。对于快速入门并没有帮助。
反而在纠结constant和variable的区别，ragged tensor和普通tensor的区别，还引入了sklearn超参数搜索，还有tf.function等，这些当然要学，但是可以放到后面几章作为补充。

相比上一个实战课CNN RNN GAN实战，只见树木不见森林，这门课确实不如上一门课有条理。

Answer 1

正十七 2019-07-21 16:59:30

同学您好，感谢你细致的反馈。

对于tensorflow这门课来说，细碎的知识点相对来说比较多，不如上一门课中的知识点的连接那么紧密。在上一门课中，课程架构更像是基础+几个相对独立的分项形式。几个分项知识点都基于基础知识点（梯度下降等）但相互来说比较独立。而tensorflow这门课则是分-总的形式，后面的章节会依赖于前面的几个基础的知识点。比如dataset，比如tf.function。

课程也依然考虑了快速入门，即第二章中的keras实战，而课程的大部分网络结构的搭建也是使用keras的。

另外，之所以把超参数搜索放在第二章，其实是因为它跟后续的内容都不太有联系，而独立成章又太小。然后开始这门课的时候有点想专门开一门autoML的课程，所以就迫不及待的讲了这个。

同意你的意见，这门课确实不如上一门课有条理，感觉语言类的课程就是这样，比如之前学C++在学到指针，if else, for/while的时候也不知所云，得到最后学快排，图结构等的时候才知道用途是什么。

再次感谢。

• 提问者 CuteHero #1

  感谢老师的解答，希望老师继续推出新课，比如AutoML、NLP等，希望老师推出系统讲解NLP的课程，继续支持。