revise install

chapter_appendix/jupyter.md

@@ -50,7 +50,7 @@
 
 ### 用Jupyter Notebook读写GitHub源文件
 
-如果你希望为本书内容做贡献，需要修改在GitHub上Markdown格式的源文件（.md文件非.ipynb文件）。通过notedown插件，我们就可以使用Jupyter Notebook修改并运行Markdown格式的源代码。Linux/macOS用户可以执行以下命令获得GitHub源文件并激活运行环境。
+如果你希望为本书内容做贡献，需要修改在GitHub上Markdown格式的源文件（.md文件非.ipynb文件）。通过notedown插件，我们就可以使用Jupyter notebook修改并运行Markdown格式的源代码。Linux/macOS用户可以执行以下命令获得GitHub源文件并激活运行环境。
 
 ```
 git clone https://github.com/mli/gluon-tutorials-zh
@@ -59,22 +59,22 @@ conda env create -f environment.yml
 source activate gluon # Windows 用户运行 activate gluon
 ```
 
-下面安装notedown插件，运行Jupyter Notebook并加载插件：
+下面安装notedown插件，运行Jupyter notebook并加载插件：
 
 ```
 pip install https://github.com/mli/notedown/tarball/master
 jupyter notebook --NotebookApp.contents_manager_class='notedown.NotedownContentsManager'
 ```
 
-如果你希望每次运行Jupyter Notebook时默认开启notedown插件，可以参考下面步骤。
+如果你希望每次运行Jupyter notebook时默认开启notedown插件，可以参考下面步骤。
 
-首先，执行下面命令生成Jupyter Notebook配置文件（如果已经生成可以跳过）。
+首先，执行下面命令生成Jupyter notebook配置文件（如果已经生成可以跳过）。
 
 ```
 jupyter notebook --generate-config
 ```
 
-然后，将下面这一行加入到Jupyter Notebook配置文件的末尾（Linux/macOS上一般在`~/.jupyter/jupyter_notebook_config.py`)
+然后，将下面这一行加入到Jupyter notebook配置文件的末尾（Linux/macOS上一般在`~/.jupyter/jupyter_notebook_config.py`)
 
 ```
 c.NotebookApp.contents_manager_class = 'notedown.NotedownContentsManager'
@@ -85,17 +85,17 @@ c.NotebookApp.contents_manager_class = 'notedown.NotedownContentsManager'
 
 ### 在远端服务器上运行Jupyter Notebook
 
-有时候，我们希望在远端服务器上运行Jupyter Notebook，并通过本地电脑上的浏览器访问。如果本地机器上安装了Linux或者macOS（Windows通过第三方软件例如putty应该也能支持），那么可以使用端口映射：
+有时候，我们希望在远端服务器上运行Jupyter notebook，并通过本地电脑上的浏览器访问。如果本地机器上安装了Linux或者macOS（Windows通过putty等第三方软件也能支持），那么可以使用端口映射：
 
 ```
 ssh myserver -L 8888:localhost:8888
 ```
 
-以上`myserver`是远端服务器地址。然后我们可以使用 http://localhost:8888 打开远端服务器`myserver`上运行Jupyter Notebook。
+以上`myserver`是远端服务器地址。然后我们可以使用 http://localhost:8888 打开运行Jupyter notebook的远端服务器`myserver`。我们将在下一节详细介绍如何在AWS实例上运行Jupyter notebook。
 
 ### 运行计时
 
-我们可以通过ExecutionTime插件来对Jupyter Notebook的每个代码单元的运行计时。以下是安装该插件的命令。
+我们可以通过ExecutionTime插件来对Jupyter notebook的每个代码单元的运行计时。以下是安装该插件的命令。
 
 ```
 pip install jupyter_contrib_nbextensions

chapter_prerequisite/install.md

 # 安装和运行
 
-为了便于动手学深度学习，让我们获取本书代码、安装并运行所需要的工具，例如Python、MXNet和Jupyter notebook。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：Linux/macOS用户可以打开Terminal应用，Windows用户可以在文件资源管理器的地址栏输入`cmd`。
+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、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。
 
 
 ## 获取代码并安装运行环境
 
-我们可以通过Conda或者Docker来获取本书代码并安装运行环境。下面将分别介绍这两种选项。
+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。
 
 
-### 选项一：通过Conda安装（推荐）
+### Windows用户
 
 第一步，根据操作系统下载并安装Miniconda（网址：https://conda.io/miniconda.html ）。
 
-第二步，下载包含本书全部代码的包，解压后进入文件夹。Linux/macOS用户可以使用如下命令。
+第二步，下载包含本书全部代码的包。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：
 
-```
-mkdir gluon_tutorials_zh && cd gluon_tutorials_zh
-curl https://zh.gluon.ai/gluon_tutorials_zh.tar.gz -o tutorials.tar.gz
-tar -xzvf tutorials.tar.gz && rm tutorials.tar.gz
-```
+> https://zh.gluon.ai/gluon_tutorials_zh.zip
 
-Windows用户可以用浏览器下载压缩文件（下载地址：https://zh.gluon.ai/gluon_tutorials_zh.zip ）并解压。在解压目录文件资源管理器的地址栏输入`cmd`进入命令行模式。
+下载完成后，解压该文件并进入文件夹“gluon_tutorials_zh”。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。
 
-在本步骤中，我们也可以配置下载源来使用国内镜像加速下载:
+第三步，安装运行所需的依赖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。
@@ -32,16 +33,7 @@ conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pk
 conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
 ```
 
-第三步，安装运行所需的依赖包并激活该运行环境。Linux/macOS用户可以使用如下命令。
-
-```
-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`。
-
-Windows用户可以使用如下命令。
+然后运行以下命令安装并激活运行环境。
 
 ```
 conda env create -f environment.yml
@@ -56,112 +48,140 @@ 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。Linux/macOS用户可以运行下面命令。
+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
+set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
 ```
 
-Windows用户可以运行下面命令。
+### Linux/macOS用户
 
-```
-set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
-```
+第一步，根据操作系统下载并安装Miniconda（网址：https://conda.io/miniconda.html ）。
 
-### 选项二：通过Docker安装
+第二步，下载包含本书全部代码的包，解压后进入文件夹。运行如下命令。
 
-第一步，下载并安装[Docker](https://docs.docker.com/engine/installation/)。
+```
+mkdir gluon_tutorials_zh && cd gluon_tutorials_zh
+curl https://zh.gluon.ai/gluon_tutorials_zh.tar.gz -o tutorials.tar.gz
+tar -xzvf tutorials.tar.gz && rm tutorials.tar.gz
+```
 
-如果你是Linux用户，可以运行下面命令。之后登出一次。
+第三步，安装运行所需的依赖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:
 
 ```
-wget -qO- https://get.docker.com/ | sh
-sudo usermod -aG docker
+# 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/
 ```
 
-第二步，运行下面命令。
+然后运行以下命令安装并激活运行环境。
 
 ```
-docker run -p 8888:8888 muli/gluon-tutorials-zh
+conda env create -f environment.yml
+source activate gluon
 ```
 
-第三步，在浏览器打开http://localhost:8888 ，这时通常需要填Docker运行时产生的token。
+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。
 
-## 更新代码和运行环境
+```
+jupyter notebook
+```
 
-目前我们仍然一直在快速更新教程，通常每周都会加入新的章节。同时MXNet的Gluon前端也在快速发展，因此我们推荐大家也做及时的更新。更新包括下载最新的教程，和更新对应的依赖（通常是升级MXNet）。
+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。
 
-由于MXNet在快速发展中，我们会根据改进的MXNet版本定期更新书中的代码。同时，我们也会不断补充新的教学内容，以适应深度学习的快速发展。因此，我们推荐大家定期更新代码和运行环境。以下列举了几种更新选项。
+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
+```
 
-### 选项一：通过Conda更新（推荐）
+## 激活运行环境
 
-第一步，重新下载最新的包含本书全部代码的包，解压后进入文件夹。下载地址可以从以下二者之间选择。
+运行环境中已安装了运行书中代码所需的Python、MXNet、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/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。
 
-* https://zh.gluon.ai/gluon_tutorials_zh.zip
-* https://zh.gluon.ai/gluon_tutorials_zh.tar.gz
+### Windows用户
 
-第二步，使用下面命令更新运行环境。
+首先进入之前解压得到的文件夹“gluon_tutorials_zh”。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。
 
 ```
-conda env update -f environment.yml
+activate gluon
 ```
 
-### 选项二：通过Docker更新
-
-我们可以直接下载新的Docker image，例如执行下面的命令。
+如需退出激活环境，运行以下命令。
 
 ```
-docker pull muli/gluon-tutorials-zh
+deactivate
 ```
 
-### 选项三：通过Git更新
+###  Linux/macOS用户
 
-第一步，如果你熟悉Git操作，可以直接pull并且合并可能造成的冲突：
+首先在命令行模式下进入之前解压得到的文件夹“gluon_tutorials_zh”（例如运行`cd gluon_tutorials_zh`），然后运行以下命令激活安装环境。
 
 ```
-git pull https://github.com/mli/gluon-tutorials-zh
+source activate gluon
 ```
 
-如果不想造成冲突，在保存完有价值的本地修改以后，你可以在pull前先用reset还原到上次更新的版本：
+如需退出激活环境，运行以下命令。
 
 ```
-git reset --hard
+source deactivate
 ```
 
+## 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，解压后进入文件夹“gluon_tutorials_zh”。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
+
 第二步，使用下面命令更新运行环境。
 
 ```
 conda env update -f environment.yml
 ```
 
-## 使用GPU
+## 使用GPU版的MXNet
 
-通过上述方式安装的MXNet只支持CPU。本书中有部分章节需要或推荐使用GPU来运行。假设电脑有Nvidia显卡并且安装了CUDA7.5、8.0或9.0，那么先卸载CPU版本：
+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：
 
 ```
 pip uninstall mxnet
 ```
 
-然后，根据电脑上安装的CUDA版本，使用以下三者之一安装相应的GPU版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/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。
 
 ```
-pip install --pre mxnet-cu75 # CUDA 7.5
-pip install --pre mxnet-cu80 # CUDA 8.0
-pip install --pre mxnet-cu90 # CUDA 9.0
+conda env update -f environment.yml
 ```
 
-我们建议国内用户使用豆瓣pypi镜像加速下载。以mxnet-cu80为例，我们可以使用如下命令。
+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。
 
-```
-pip install --pre mxnet-cu80 -i https://pypi.douban.com/simple # CUDA 8.0
-```
+### 更新代码和运行环境
 
-需要注意的是，如果你安装GPU版的MXNet，使用`conda update`命令不会自动升级GPU版的MXNet。这时候可以运行了`source activate gluon`后手动更新MXNet。以mxnet-cu80为例，我们可以使用以下命令手动更新MXNet。
+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，解压后进入文件夹“gluon_tutorials_zh”。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
+
+
+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。
 
 ```
-pip install --pre mxnet-cu80 # CUDA 8.0
+conda env update -f environment.yml
 ```
 
 ## 小结
@@ -172,7 +192,7 @@ pip install --pre mxnet-cu80 # CUDA 8.0
 
 ## 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，或者向社区小伙伴们提问。
+* 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)