add discussion links (#24)

* add discussion links

* Update install.md

chapter00_preface/install.md

@@ -287,3 +287,5 @@ Windows默认不支持curl，tar
 下载和解压推荐用浏览器和解压软件，手动拷贝
 ### 最后
 如果你尝试了很多依然一头雾水，可以试试docker安装：http://zh.gluon.ai/install.html#docker
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/249)**

chapter01_crashcourse/autograd.md

@@ -95,3 +95,4 @@ z.backward(head_gradient)
 print(x.grad)
 ```
 
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/744)**

chapter01_crashcourse/introduction.md

@@ -185,4 +185,6 @@ print(' '.join(res))
 
 ## 小结
 
-机器学习是一个庞大的领域。我们在此无法也无需介绍有关它的全部。有了这些背景知识铺垫，你是否对接下来的学习更有兴趣了呢？
\ No newline at end of file
+机器学习是一个庞大的领域。我们在此无法也无需介绍有关它的全部。有了这些背景知识铺垫，你是否对接下来的学习更有兴趣了呢？
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/746)**

chapter01_crashcourse/linear-regression-gluon.md

@@ -122,3 +122,5 @@ true_b, dense.bias.data()
 
 - 在训练的时候，为什么我们用了比前面要大10倍的学习率呢？（提示：可以尝试运行 `help(trainer.step)`来寻找答案。）
 - 如何拿到`weight`的梯度呢？（提示：尝试 `help(dense.weight)`）
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/742)**

chapter01_crashcourse/linear-regression-scratch.md

@@ -130,7 +130,7 @@ for e in range(epochs):
             loss = square_loss(output, label)
         loss.backward()
         SGD(params, learning_rate)
-        
+
         total_loss += nd.sum(loss).asscalar()
     print("Epoch %d, average loss: %f" % (e, total_loss/num_examples))
 ```
@@ -152,3 +152,5 @@ true_b, b
 ## 练习
 
 尝试用不同的学习率查看误差下降速度（收敛率）
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/743)**

chapter01_crashcourse/ndarray.md

@@ -141,3 +141,5 @@ id(x) == before
 ## 总结
 
 ndarray模块提供一系列多维数组操作函数。所有函数列表可以参见[NDArray API文档](https://mxnet.incubator.apache.org/api/python/ndarray.html)。
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/745)**

chapter01_crashcourse/softmax-regression-gluon.md

@@ -75,3 +75,5 @@ Gluon提供的函数有时候比手工写的数值更稳定。
 
 - 再尝试调大下学习率看看？
 - 为什么参数都差不多，但gluon版本比从0开始的版本精度更高？
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/740)**

chapter01_crashcourse/softmax-regression-scratch.md

@@ -218,3 +218,5 @@ print(get_text_labels(predicted_labels.asnumpy()))
 - 即使解决exp的问题，求出来的导数是不是还是不稳定？
 
 请仔细想想再去对比下我们小伙伴之一@[pluskid](https://github.com/pluskid)早年写的一篇[blog解释这个问题](http://freemind.pluskid.org/machine-learning/softmax-vs-softmax-loss-numerical-stability/)，看看你想的是不是不一样。
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/741)**

chapter02_multilayer-neural-network/mlp-gluon.md

@@ -60,3 +60,5 @@ for epoch in range(5):
 
 - 尝试多加入几个隐含层，对比从0开始的实现。
 - 尝试使用一个另外的激活函数，可以使用`help(nd.Activation)`或者[线上文档](https://mxnet.apache.org/api/python/ndarray.html#mxnet.ndarray.Activation)查看提供的选项。
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/739)**

chapter04_convolutional-neural-networks/cnn-gluon.md

@@ -77,3 +77,5 @@ for epoch in range(5):
 ```{.python .input}
 
 ```
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/737)**

chapter04_convolutional-neural-networks/cnn-scratch.md

@@ -225,3 +225,5 @@ for epoch in range(5):
 - 试试把池化层从`max`改到`avg`
 - 如果你有GPU，那么尝试用CPU来跑一下看看
 - 你可能注意到比前面的多层感知机慢了很多，那么尝试计算下这两个模型分别需要多少浮点计算。例如$n\times m$和$m \times k$的矩阵乘法需要浮点运算 $2nmk$。
+
+**吐槽和讨论欢迎点[这里](https://discuss.gluon.ai/t/topic/736)**