翻译修改

apachecn · Apr 27, 2018 · 62819e2 · 62819e2
1 parent 1f88c6c
commit 62819e2
Show file tree

Hide file tree

Showing 8 changed files with 16 additions and 17 deletions.
diff --git a/tutorial/zh/beginner_source/examples_autograd/tf_two_layer_net.py b/tutorial/zh/beginner_source/examples_autograd/tf_two_layer_net.py
@@ -21,8 +21,8 @@
 
 # 首先我们设置计算图:
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 为输入数据和目标数据创建占位符; 

diff --git a/tutorial/zh/beginner_source/examples_autograd/two_layer_net_autograd.py b/tutorial/zh/beginner_source/examples_autograd/two_layer_net_autograd.py
@@ -24,8 +24,8 @@
 dtype = torch.FloatTensor
 # dtype = torch.cuda.FloatTensor # 取消注释以在GPU上运行
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机张量来保存输入和输出,并将它们包装在变量中.

diff --git a/tutorial/zh/beginner_source/examples_autograd/two_layer_net_custom_function.py b/tutorial/zh/beginner_source/examples_autograd/two_layer_net_custom_function.py
@@ -47,8 +47,8 @@ def backward(ctx, grad_output):
 dtype = torch.FloatTensor
 # dtype = torch.cuda.FloatTensor # 取消注释以在GPU上运行
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机张量来保存输入和输出,并将它们包装在变量中.

diff --git a/tutorial/zh/beginner_source/examples_nn/dynamic_net.py b/tutorial/zh/beginner_source/examples_nn/dynamic_net.py
@@ -41,8 +41,8 @@ def forward(self, x):
         return y_pred
 
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机张量来保存输入和输出,并将它们包装在变量中.

diff --git a/tutorial/zh/beginner_source/examples_nn/two_layer_net_module.py b/tutorial/zh/beginner_source/examples_nn/two_layer_net_module.py
@@ -32,9 +32,8 @@ def forward(self, x):
         y_pred = self.linear2(h_relu)
         return y_pred
 
-
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机张量来保存输入和输出,并将它们包装在变量中. 

diff --git a/tutorial/zh/beginner_source/examples_nn/two_layer_net_nn.py b/tutorial/zh/beginner_source/examples_nn/two_layer_net_nn.py
@@ -16,8 +16,8 @@
 import torch
 from torch.autograd import Variable
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机张量来保存输入和输出,并将它们包装在变量中.

diff --git a/tutorial/zh/beginner_source/examples_nn/two_layer_net_optim.py b/tutorial/zh/beginner_source/examples_nn/two_layer_net_optim.py
@@ -16,8 +16,8 @@
 import torch
 from torch.autograd import Variable
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机张量来保存输入和输出,并将它们包装在变量中.

diff --git a/tutorial/zh/beginner_source/examples_tensor/two_layer_net_tensor.py b/tutorial/zh/beginner_source/examples_tensor/two_layer_net_tensor.py
@@ -24,8 +24,8 @@
 dtype = torch.FloatTensor
 # dtype = torch.cuda.FloatTensor # 取消注释以在GPU上运行
 
-# N 批量大小; D_in是输入尺寸;
-# H是隐藏尺寸; D_out是输出尺寸.
+# N 是一个batch的样本数量; D_in是输入维度;
+# H 是隐藏层向量的维度; D_out是输出维度.
 N, D_in, H, D_out = 64, 1000, 100, 10
 
 # 创建随机输入和输出数据