Update install.md

chapter_prerequisite/install.md

-# 安装和运行
-
-为了动手学深度学习，我们需要获取本书代码，安装并运行Python、MXNet、`gluonbook`、Jupyter notebook等工具。
-
-
-## 进入命令行模式
-
-在这一节中，我们将描述安装和运行所需要的命令。执行命令需要进入命令行模式：Windows用户可以在文件资源管理器的地址栏输入`cmd`并按回车键，Linux/macOS用户可以打开Terminal应用。
+# 获取和运行本书代码
 
+本小节介绍如何获取本书代码和安装运行所需软件。虽然跳过本章不会影响后面的阅读，但我们强烈建议你按照下面的步骤来动手操作。本书大部分小节的练习都涉及改动代码并观察运行结果，本小节是完成这些练习的基础。
 
 ## 获取代码并安装运行环境
 
-我们可以通过Conda来获取本书代码并安装运行环境。Windows和Linux/macOS用户请分别参照以下步骤。
-
+本书的内容和代码均在网上可以免费获取。运行代码的依赖软件我们推荐使用Conda（这是一个流行的Python包管理软件）来安装。Windows和Linux/macOS用户请分别参照以下对应章节。
 
 ### Windows用户
 
+第一次运行需要完整完成下面五个步骤。如果是再次运行，可以忽略掉前面三步的下载和安装，直接跳转到第四和五步。
+
 第一步，根据操作系统下载并安装Miniconda（网址：https://conda.io/miniconda.html ），在安装过程中需要勾选“Add Anaconda to my PATH environment variable”选项。
 
 第二步，下载包含本书全部代码的压缩包。我们可以在浏览器的地址栏中输入以下地址并按回车键进行下载：
@@ -23,24 +18,29 @@
 
 下载完成后，创建文件夹“gluon_tutorials_zh-1.0”并将以上压缩包解压到这个文件夹。在该目录文件资源管理器的地址栏输入`cmd`进入命令行模式。
 
-第三步，安装运行所需的软件包并激活该运行环境。我们可以先通过运行下面命令来配置下载源，从而使用国内镜像加速下载:
+第三步，使用Conda创建并激活环境。Conda默认使用国外站点来下载软件，下面可选项配置使用国内镜像加速下载:
 
 ```
-# 优先使用清华 conda 镜像。
+# 使用清华 conda 镜像。
 conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 
 # 或者选用科大 conda 镜像。
 conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
 ```
 
-然后运行以下命令安装并激活运行环境。
+接下来使用conda创建虚拟环境并安装本书需要的软件。这里`environment.yml`是放置在代码压缩包中的文件，其指定了执行本书代码所需要的软件。
 
 ```
 conda env create -f environment.yml
+```
+
+第四步，激活之前创建的环境。
+
+```
 activate gluon
 ```
 
-第四步，打开Juputer notebook。运行下面命令。
+第五步，打开Juputer notebook。
 
 ```
 jupyter notebook
@@ -48,7 +48,7 @@ jupyter notebook
 
 这时在浏览器打开 http://localhost:8888 （通常会自动打开）就可以查看和运行本书中每一节的代码了。
 
-第五步（可选项），如果你是国内用户，建议使用国内Gluon镜像加速数据集和预训练模型的下载。运行下面命令。
+有多节代码会自动下载数据集和预训练模型，默认将使用美国站点下载。我们可以在运行Jupyter前指定MXNet使用国内站点下载对应数据：
 
 ```
 set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
@@ -56,7 +56,11 @@ set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyte
 
 ### Linux/macOS用户
 
-第一步，根据操作系统下载并安装Miniconda（网址：https://conda.io/miniconda.html ）。
+第一步，根据操作系统下载Miniconda（网址：https://conda.io/miniconda.html ），它是一个sh文件。然后打开Terminal应用进入命令行来执行这个sh文件，例如
+
+```
+sh Miniconda3-latest-Linux-x86_64.sh
+```
 
 安装时会显示使用条款，按“↓”继续阅读，按“Q”退出阅读。之后需要回答下面几个问题：
 
@@ -64,11 +68,11 @@ set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyte
 Do you accept the license terms? [yes|no]
 [no] >>> yes
 Do you wish the installer to prepend the Miniconda3 install location
-to PATH in your /xx/yyy/.zzzz ? [yes|no]
+to PATH in your /home/your_name/.conda ? [yes|no]
 [no] >>> yes
 ```
 
-安装完成后，我们需要让conda生效。Linux用户需要运行一次`source ~/.bashrc`或重启命令行；macOS用户需要运行一次`source ~/.bash_profile`或重启命令行。
+安装完成后，我们需要让conda生效。Linux用户需要运行一次`source ~/.bashrc`或重启命令行应用；macOS用户需要运行一次`source ~/.bash_profile`或重启命令行应用。
 
 第二步，下载包含本书全部代码的压缩包，解压后进入文件夹。运行如下命令。
 
@@ -78,76 +82,12 @@ curl https://zh.gluon.ai/gluon_tutorials_zh-1.0.tar.gz -o tutorials.tar.gz
 tar -xzvf tutorials.tar.gz && rm tutorials.tar.gz
 ```
 
-第三步，安装运行所需的软件包并激活该运行环境。我们可以先通过运行下面命令来配置下载源，从而使用国内镜像加速下载:
-
-```
-# 优先使用清华 conda 镜像。
-conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
-
-# 或者选用科大 conda 镜像。
-conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
-```
-
-然后运行以下命令安装并激活运行环境。
-
-```
-conda env create -f environment.yml
-source activate gluon
-```
-
-由于教程会使用`matplotlib.plot`函数作图，macOS用户需要创建或访问`~/.matplotlib/matplotlibrc`文件并添加一行代码：`backend: TkAgg`。
-
-第四步，打开Juputer notebook。运行下面命令。
-
-```
-jupyter notebook
-```
-
-这时在浏览器打开 http://localhost:8888 （通常会自动打开）就可以查看和运行本书中每一节的代码了。
-
-第五步（可选项），如果你是国内用户，建议使用国内Gluon镜像加速数据集和预训练模型的下载。运行下面命令。
-
-```
-MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
-```
-
-## 激活运行环境
-
-运行环境中已安装了运行书中代码所需的Python、MXNet、`gluonbook`、Jupyter notebook等工具。我们可以在下载并解压的代码包里的文件“gluon_tutorials_zh-1.0/environment.yml”中查看它们。在运行书中代码前，我们需要激活运行环境。Windows和Linux/macOS用户请分别参照以下步骤激活并退出运行环境。
-
-### Windows用户
-
-首先进入之前解压得到的文件夹“gluon_tutorials_zh-1.0”。然后在该目录文件资源管理器的地址栏输入`cmd`进入命令行模式。最后运行以下命令激活安装环境。
-
-```
-activate gluon
-```
-
-如需退出激活环境，运行以下命令。
-
-```
-deactivate
-```
-
-###  Linux/macOS用户
-
-首先在命令行模式下进入之前解压得到的文件夹“gluon_tutorials_zh-1.0”（例如运行`cd gluon_tutorials_zh-1.0`），然后运行以下命令激活安装环境。
-
-```
-source activate gluon
-```
-
-如需退出激活环境，运行以下命令。
-
-```
-source deactivate
-```
+第三——五步请参考前面相应Windows的步骤。
 
 ## 更新代码和运行环境
 
 为了适应深度学习和MXNet的快速发展，本书的开源内容将定期发布新版本。我们推荐大家定期更新本书的开源内容（例如代码）和相应的运行环境（例如新版MXNet）。以下是更新的具体步骤。
 
-
 第一步，重新下载最新的包含本书全部代码的包。下载地址可以从以下二者之间选择。
 
 * https://zh.gluon.ai/gluon_tutorials_zh.zip
@@ -161,55 +101,40 @@ source deactivate
 conda env update -f environment.yml
 ```
 
+之后的激活环境和运行Jupyter跟前一致。
+
 ## 使用GPU版的MXNet
 
 通过前面介绍的方式安装的MXNet只支持CPU计算。本书中有部分章节需要或推荐使用GPU来运行。如果你的电脑上有Nvidia显卡并安装了CUDA，建议使用GPU版的MXNet。
 
-我们在完成获取代码并安装运行环境的步骤后，需要先激活运行环境。然后卸载CPU版本的MXNet：
+第一步：卸载CPU版本MXNet。如果你没有安装虚拟环境，可以跳过此步。否则假设你已经完成了安装，那么先激活运行环境，然后卸载CPU版本的MXNet：
 
 ```
 pip uninstall mxnet
 ```
 
-接下来，退出运行环境。使用文本编辑器打开之前解压得到的代码包里的文件“gluon_tutorials_zh-1.0/environment.yml”。如果电脑上装的是8.0版本的CUDA，将该文件中的字符串“mxnet”改为“mxnet-cu80”。如果电脑上安装了其他版本的CUDA（比如7.5、9.0、9.2等），对该文件中的字符串“mxnet”做类似修改（比如改为“mxnet-cu75”、“mxnet-cu90”、“mxnet-cu92”等）。然后，使用下面命令更新运行环境。
-
-```
-conda env update -f environment.yml
-```
-
-之后，我们只需要再激活安装环境就可以使用GPU版的MXNet运行书中代码了。
+之后退出虚拟环境，Windows用户使用命令`deactivate`，Linux/macOS用户则使用`source deactivate`。
 
-### 更新代码和运行环境
+第二步：更新依赖为GPU版本的MXNet。使用文本编辑器打开之前文件夹下的文件`environment.yml`，将里面的“mxnet”替换成对应的GPU版本。例如，如果你电脑上装的是8.0版本的CUDA，将该文件中的字符串“mxnet”改为“mxnet-cu80”。如果电脑上安装了其他版本的CUDA（比如7.5、9.0、9.2等），对该文件中的字符串“mxnet”做类似修改（比如改为“mxnet-cu75”、“mxnet-cu90”、“mxnet-cu92”等）。保存文件后退出。
 
-如果使用GPU版的MXNet，更新代码和运行环境可参照以下步骤：
 
-第一步，重新下载最新的包含本书全部代码的包。下载地址可以从以下二者之间选择。
-
-* https://zh.gluon.ai/gluon_tutorials_zh.zip
-* https://zh.gluon.ai/gluon_tutorials_zh.tar.gz
-
-解压后进入文件夹“gluon_tutorials_zh”。
-
-第二步，使用文本编辑器打开文件夹“gluon_tutorials_zh”中的环境配置文件“environment.yml”。如果电脑上装的是8.0版本的CUDA，将该文件中的字符串“mxnet”改为“mxnet-cu80”。如果电脑上安装了其他版本的CUDA（比如7.5、9.0、9.2等），对该文件中的字符串“mxnet”做类似修改（比如改为“mxnet-cu75”、“mxnet-cu90”、“mxnet-cu92”等）。
-
-
-第三步，使用下面命令更新运行环境。
+第三步：更新虚拟环境。同前运行
 
 ```
 conda env update -f environment.yml
 ```
 
+之后，我们只需要再激活安装环境就可以使用GPU版的MXNet运行书中代码了。注意一点是如果你之后下载了新的代码，然么需要重新重复这三步操作。
+
 ## 小结
 
 * 为了能够动手学深度学习，我们需要获取本书代码并安装运行环境。
 * 我们建议大家定期更新代码和运行环境。
 
-
 ## 练习
 
 * 获取本书代码并安装运行环境。如果你在安装时遇到任何问题，请扫一扫本节二维码。在讨论区，你可以查阅疑难问题汇总或者提问。
 
-
 ## 扫码直达[讨论区](https://discuss.gluon.ai/t/topic/249)
 
 ![](../img/qr_install.svg)