Q&A

Question	Answer
像這樣的圖可以嗎？我覺得有點難理解它在講什麼了… 導致得用很多文字在圖中去表達	這樣的圖很ok，畫的很好。最好再用電腦畫一次。 盡量將圖畫成橫長條，主要是與Gitbook搭配。

---

	TensorFlow	PyTorch
Ramp-up Time	longer	slower
Graph Creation and Debugging	dynamic - build at run rime	static - compile and then run
Coverage	support more features	support less features
Serialization	Graphs can be loaded in other supported language	Graphs cannot be loaded in other language
Deployment	works for mobile and embedded deployment
Data loading	?	?
Device management	?	?

Table.1Some metrics comparisons between Pytorch and Tensorflow.

Question	Answer
這一篇我看到後面，覺得重要性對目前團隊沒那麼高，不想再往下看完，這樣表格裡面的 V 是否保留? 還是整列刪掉?	可以刪掉，可以留空白

---

Question	Answer
在看說明文件時，常常會用例子來解釋一個概念，請問用例子來說明what, overall how合適嗎?	照理說，what、overall的how是不需用例子就能說明的。好的例子確實可以給人具體的感受。但是仍需知道知識的順序是what-> overall how->detailed how。在談 (what, overall how)時，例子(detailed how)是雜訊。一般人又想細，又想巨。東寫寫，西寫寫。最後又不巨、又不細。相對的，知識方法論是鉅細靡遺。
為什麼不reasonizing?如何掌握該reasonizing的程度?	1 大腦具備nonlinear performance:給大腦一樣的input，大腦的output每次不一定一樣。優點是他有創意，缺點是他可能是雜亂的思緒，沒有serve purpose。2 文件的角色: 一定程度地約束大腦。 相對大腦，文件俱有 linear performance，文件使大腦在正確的軌道上前進，使大腦真正為人類心智所用。linear 是知識的特質。藉由邏輯，我們可以從input預測，或控制，或描述output。知識是由清楚的資訊藉由邏輯堆疊而成。大部分的人學習過程喜好【正確】，而忽略正確背後的【條件】。因此我刻意強調【清楚】比【正確】重要。面對未知時，按what,