update doc 6.4

docs/chapter06_RNN/6.4_rnn-scratch.md

@@ -38,7 +38,8 @@ one_hot(x, vocab_size)
 我们每次采样的小批量的形状是(批量大小, 时间步数)。下面的函数将这样的小批量变换成数个可以输入进网络的形状为(批量大小, 词典大小)的矩阵，矩阵个数等于时间步数。也就是说，时间步$t$的输入为$\boldsymbol{X}_t \in \mathbb{R}^{n \times d}$，其中$n$为批量大小，$d$为输入个数，即one-hot向量长度（词典大小）。
 
 ``` python
-def to_onehot(X, n_class):  # 本函数已保存在d2lzh包中方便以后使用
+# 本函数已保存在d2lzh_pytorch包中方便以后使用
+def to_onehot(X, n_class):  
     # X shape: (batch, seq_len), output: seq_len elements of (batch, n_class)
     return [one_hot(X[:, i], n_class) for i in range(X.shape[1])]