diff --git a/.idea/workspace.xml b/.idea/workspace.xml
index 59fb91d35b4481b1a8bb4ad8ef990bbf8af9dbbb..998c4d93b697a2aa1a43f6520efd2f43572f06ba 100644
--- a/.idea/workspace.xml
+++ b/.idea/workspace.xml
@@ -11,7 +11,7 @@
   </component>
   <component name="FileEditorManager">
     <leaf SIDE_TABS_SIZE_LIMIT_KEY="300">
-      <file leaf-file-name="test.py" pinned="false" current-in-tab="true">
+      <file leaf-file-name="test.py" pinned="false" current-in-tab="false">
         <entry file="file://E:/常用文件/OCR之word转换xml或json/工作文件/代码/test.py">
           <provider selected="true" editor-type-id="text-editor">
             <state relative-caret-position="19">
@@ -23,12 +23,24 @@
           </provider>
         </entry>
       </file>
-      <file leaf-file-name="Word Embeddings_Encoding Lexical Semantics.md" pinned="false" current-in-tab="false">
+      <file leaf-file-name="Word Embeddings_Encoding Lexical Semantics.md" pinned="false" current-in-tab="true">
         <entry file="file://$PROJECT_DIR$/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md">
           <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
             <state split_layout="SPLIT">
-              <first_editor relative-caret-position="285">
-                <caret line="126" column="11" selection-start-line="126" selection-start-column="5" selection-end-line="126" selection-end-column="11" />
+              <first_editor relative-caret-position="152">
+                <caret line="8" column="10" lean-forward="true" selection-start-line="8" selection-start-column="10" selection-end-line="8" selection-end-column="24" />
+              </first_editor>
+              <second_editor />
+            </state>
+          </provider>
+        </entry>
+      </file>
+      <file leaf-file-name="blitz_autograd_tutorial.md" pinned="false" current-in-tab="false">
+        <entry file="file://$PROJECT_DIR$/docs/1.0/blitz_autograd_tutorial.md">
+          <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
+            <state split_layout="SPLIT">
+              <first_editor relative-caret-position="2565">
+                <caret line="177" column="20" lean-forward="true" selection-start-line="177" selection-start-column="20" selection-end-line="177" selection-end-column="20" />
               </first_editor>
               <second_editor />
             </state>
@@ -44,6 +56,11 @@
       </list>
     </option>
   </component>
+  <component name="FindInProjectRecents">
+    <findStrings>
+      <find>根据链式法则，雅可比向量积应</find>
+    </findStrings>
+  </component>
   <component name="Git.Settings">
     <option name="RECENT_GIT_ROOT_PATH" value="$PROJECT_DIR$" />
   </component>
@@ -53,11 +70,12 @@
         <option value="E:/常用文件/OCR之word转换xml或json/工作文件/代码/aaa.py" />
         <option value="E:/常用文件/OCR之word转换xml或json/工作文件/代码/error.txt" />
         <option value="E:/常用文件/OCR之word转换xml或json/工作文件/代码/test.py" />
+        <option value="$PROJECT_DIR$/docs/1.0/blitz_autograd_tutorial.md" />
         <option value="$PROJECT_DIR$/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md" />
       </list>
     </option>
   </component>
-  <component name="ProjectFrameBounds" extendedState="7">
+  <component name="ProjectFrameBounds" extendedState="6">
     <option name="x" value="281" />
     <option name="y" value="-11" />
     <option name="width" value="853" />
@@ -68,6 +86,7 @@
       <foldersAlwaysOnTop value="true" />
     </navigator>
     <panes>
+      <pane id="Scope" />
       <pane id="ProjectPane">
         <subPane>
           <expand>
@@ -93,15 +112,10 @@
               <item name="1.0" type="462c0819:PsiDirectoryNode" />
               <item name="img" type="462c0819:PsiDirectoryNode" />
             </path>
-            <path>
-              <item name="pytorch-doc-zh" type="b2602c69:ProjectViewProjectNode" />
-              <item name="代码" type="462c0819:PsiDirectoryNode" />
-            </path>
           </expand>
           <select />
         </subPane>
       </pane>
-      <pane id="Scope" />
     </panes>
   </component>
   <component name="PropertiesComponent">
@@ -165,10 +179,10 @@
     <servers />
   </component>
   <component name="ToolWindowManager">
-    <frame x="-8" y="-8" width="1696" height="1026" extended-state="7" />
+    <frame x="-8" y="-8" width="1696" height="1026" extended-state="6" />
     <editor active="true" />
     <layout>
-      <window_info content_ui="combo" id="Project" order="0" weight="0.22916667" />
+      <window_info active="true" content_ui="combo" id="Project" order="0" visible="true" weight="0.2029762" />
       <window_info anchor="bottom" id="TODO" order="6" />
       <window_info anchor="bottom" id="Event Log" order="7" side_tool="true" />
       <window_info anchor="bottom" id="Version Control" order="7" />
@@ -196,6 +210,26 @@
     </breakpoint-manager>
   </component>
   <component name="editorHistoryManager">
+    <entry file="file://E:/常用文件/OCR之word转换xml或json/工作文件/代码/test.py">
+      <provider selected="true" editor-type-id="text-editor">
+        <state relative-caret-position="1767">
+          <caret line="93" column="20" selection-start-line="93" selection-start-column="20" selection-end-line="93" selection-end-column="20" />
+          <folding>
+            <element signature="e#0#25#0" expanded="true" />
+          </folding>
+        </state>
+      </provider>
+    </entry>
+    <entry file="file://$PROJECT_DIR$/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md">
+      <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
+        <state split_layout="SPLIT">
+          <first_editor relative-caret-position="3952">
+            <caret line="208" lean-forward="true" selection-start-line="208" selection-end-line="208" />
+          </first_editor>
+          <second_editor />
+        </state>
+      </provider>
+    </entry>
     <entry file="file://E:/常用文件/OCR之word转换xml或json/工作文件/代码/test.py">
       <provider selected="true" editor-type-id="text-editor">
         <state relative-caret-position="1767">
@@ -346,16 +380,6 @@
         </state>
       </provider>
     </entry>
-    <entry file="file://$PROJECT_DIR$/docs/1.0/blitz_autograd_tutorial.md">
-      <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
-        <state split_layout="SPLIT">
-          <first_editor relative-caret-position="19">
-            <caret line="1" lean-forward="true" selection-start-line="1" selection-end-line="1" />
-          </first_editor>
-          <second_editor />
-        </state>
-      </provider>
-    </entry>
     <entry file="file://$PROJECT_DIR$/docs/1.0/aws_distributed_training_tutorial.md">
       <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
         <state split_layout="SPLIT">
@@ -418,16 +442,6 @@
     <entry file="file://E:/常用文件/OCR之word转换xml或json/工作文件/代码/error.txt">
       <provider selected="true" editor-type-id="text-editor" />
     </entry>
-    <entry file="file://$PROJECT_DIR$/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md">
-      <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
-        <state split_layout="SPLIT">
-          <first_editor relative-caret-position="285">
-            <caret line="126" column="11" selection-start-line="126" selection-start-column="5" selection-end-line="126" selection-end-column="11" />
-          </first_editor>
-          <second_editor />
-        </state>
-      </provider>
-    </entry>
     <entry file="file://E:/常用文件/OCR之word转换xml或json/工作文件/代码/test.py">
       <provider selected="true" editor-type-id="text-editor">
         <state relative-caret-position="19">
@@ -438,5 +452,28 @@
         </state>
       </provider>
     </entry>
+    <entry file="file://$PROJECT_DIR$/docs/1.0/img/WordEmbeddings-74fcb594bdd93c0f956682ae1ea013e6.gif">
+      <provider selected="true" editor-type-id="images" />
+    </entry>
+    <entry file="file://$PROJECT_DIR$/docs/1.0/blitz_autograd_tutorial.md">
+      <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
+        <state split_layout="SPLIT">
+          <first_editor relative-caret-position="2565">
+            <caret line="177" column="20" lean-forward="true" selection-start-line="177" selection-start-column="20" selection-end-line="177" selection-end-column="20" />
+          </first_editor>
+          <second_editor />
+        </state>
+      </provider>
+    </entry>
+    <entry file="file://$PROJECT_DIR$/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md">
+      <provider selected="true" editor-type-id="split-provider[text-editor;markdown-preview-editor]">
+        <state split_layout="SPLIT">
+          <first_editor relative-caret-position="152">
+            <caret line="8" column="10" lean-forward="true" selection-start-line="8" selection-start-column="10" selection-end-line="8" selection-end-column="24" />
+          </first_editor>
+          <second_editor />
+        </state>
+      </provider>
+    </entry>
   </component>
 </project>
\ No newline at end of file
diff --git a/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md b/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md
index 475dc65402e59c53488a7ff50ba40bdc93ac39a1..05ec0835b132ba564e8641b146f5642f6315dcbd 100644
--- a/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md	
+++ b/docs/1.0/Word Embeddings_Encoding Lexical Semantics.md	
@@ -1,12 +1,14 @@
 # 词嵌入：编码形式的词汇语义
 
-词嵌入是一种由真实数字组成的稠密向量，每个向量都代表了单词表里的一个单词. 在自然语言处理中，总会遇到这样的情况：特征全是单词！ 但是，如何在电脑上表述一个单词呢？你在电脑上存储的单词的ascii码，但是它仅仅代表单词怎么拼写，没有说明单词的内在含义(你也许能够从词缀中了解它的词性，或者从大小写中得到一些属性，但仅此而已). 更重要的是，你能把这些ascii码字符组合成什么含义？? 当V代表词汇表、输入数据是|V|维的情况下，我们往往想从神经网络中得到数据密集的结果，但是结果只有很少的几个维度（例如，预测的数据只有几个标签时）。我们如何从大的数据维度空间中得到稍小一点的维度空间？
+> 译者：[巩子惠](https://github.com/sight007)
 
-放弃使用ascii码字符的形式表示单词，换用one-hot encoding会怎么样了？好吧，W这个单词就能这样表示：
+词嵌入是一种由真实数字组成的稠密向量，每个向量都代表了单词表里的一个单词。 在自然语言处理中，总会遇到这样的情况：特征全是单词！但是，如何在电脑上表述一个单词呢？你在电脑上存储的单词的`ascii`码，但是它仅仅代表单词怎么拼写，没有说明单词的内在含义(你也许能够从词缀中了解它的词性，或者从大小写中得到一些属性，但仅此而已)。 更重要的是，你能把这些`ascii`码字符组合成什么含义？当![](./img/WordEmbeddings-5206560a306a2e085a437fd258eb57ce.gif)代表词汇表、输入数据是![](./img/WordEmbeddings-74fcb594bdd93c0f956682ae1ea013e6.gif)维的情况下，我们往往想从神经网络中得到数据密集的结果，但是结果只有很少的几个维度（例如，预测的数据只有几个标签时）。我们如何从大的数据维度空间中得到稍小一点的维度空间？
 
-cf775cf1814914c00f5bf7ada7de4369.gif
+放弃使用`ascii`码字符的形式表示单词，换用`one-hot encoding`会怎么样了？好吧，![](./img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif)这个单词就能这样表示：
 
-其中，1就是表示w的独有位置，其他位置全是0。其他的词都类似，在另外不一样的位置有一个1代表它，其他位置也都是0。
+![](./img/WordEmbeddings-cf775cf1814914c00f5bf7ada7de4369.gif)
+
+其中，1 表示![](./img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif)的独有位置，其他位置全是0。其他的词都类似，在另外不一样的位置有一个1代表它，其他位置也都是0。
 这种表达除了占用巨大的空间外，还有个很大的缺陷。 它只是简单的把词看做一个单独个体，认为它们之间毫无联系。 我们真正想要的是能够表达单词之间一些相似的含义。为什么要这样做呢？来看下面的例子：
 
 假如我们正在搭建一个语言模型，训练数据有下面一些句子：
@@ -32,29 +34,21 @@ cf775cf1814914c00f5bf7ada7de4369.gif
 
 如果每个属性都表示一个维度，那我们也许可以用一个向量表示一个单词，就像这样：
 
-```py
-\[ q_\text{mathematician} = \left[ \overbrace{2.3}^\text{can run}, \overbrace{9.4}^\text{likes coffee}, \overbrace{-5.5}^\text{majored in Physics}, \dots \right]\]
-```
+![](img/WordEmbeddings-62ca51f900bf27324a2be4e6b8609f4b.gif)
 
-```py
-\[ q_\text{physicist} = \left[ \overbrace{2.5}^\text{can run}, \overbrace{9.1}^\text{likes coffee}, \overbrace{6.4}^\text{majored in Physics}, \dots \right]\]
-```
+![](./img/WordEmbeddings-a0be0498fd8216177330deffbfcb6ea2.gif)
 
 那么，我们就这可以通过下面的方法得到这些单词之间的相似性：
 
-```py
-\[\text{Similarity}(\text{physicist}, \text{mathematician}) = q_\text{physicist} \cdot q_\text{mathematician}\]
-```
+![](./img/WordEmbeddings-8b4e6bfa073defa91d3f23cdec8f1f0e.gif)
 
 尽管通常情况下需要进行长度归一化：
 
-```py
-\[ \text{Similarity}(\text{physicist}, \text{mathematician}) = \frac{q_\text{physicist} \cdot q_\text{mathematician}} {\| q_\text{\physicist} \| \| q_\text{mathematician} \|} = \cos (\phi)\]
-```
+![](a./img/WordEmbeddings-8b4e6bfa073defa91d3f23cdec8f1f0e.gif)
 
-Φ是两个向量的夹角。 这就意味着，完全相似的单词相似度为1。完全不相似的单词相似度为-1。
+![](./img/WordEmbeddings-1ed346930917426bc46d41e22cc525ec.gif)是两个向量的夹角。 这就意味着，完全相似的单词相似度为1。完全不相似的单词相似度为-1。
 
-你可以把本章开头介绍的one-hot稀疏向量看做是我们新定义向量的一种特殊形式，那里的单词相似度为0， 现在我们给每个单词一些独特的语义属性。 这些向量数据密集，也就是说它们数字通常都非零。
+你可以把本章开头介绍的`one-hot`稀疏向量看做是我们新定义向量的一种特殊形式，那里的单词相似度为0， 现在我们给每个单词一些独特的语义属性。 这些向量数据密集，也就是说它们数字通常都非零。
 
 但是新的这些向量存在一个严重的问题： 你可以想到数千种不同的语义属性，它们可能都与决定相似性有关，而且，到底如何设置不同属性的值呢？深度学习的中心思想是用神经网络来学习特征的表示，而不是程序员去设计它们。 所以为什么不把词嵌入只当做模型参数，而是通过训练来更新呢？ 这就才是我们要确切做的事。我们将用神经网络做一些潜在语义属性，但是原则上，学习才是关键。 注意，词嵌入可能无法解释。就是说，尽管使用我们上面手动制作的向量，能够发现数学家和物理学家都喜欢喝咖啡的相似性， 如果我们允许神经网络来学习词嵌入，那么就会发现数学家和物理学家在第二维度有个较大的值，它所代表的含义很不清晰。 它们在一些潜在语义上是相似的，但是对我们来说无法解释。
 
@@ -62,11 +56,11 @@ cf775cf1814914c00f5bf7ada7de4369.gif
 
 ## Pytorch中的词嵌入
 
-在我们举例或练习之前，这里有一份关于如何在Pytorch和常见的深度学习中使用词嵌入的简要介绍。 与制作one-hot向量时对每个单词定义一个特殊的索引类似，当我们使用词向量时也需要为每个单词定义一个索引。这些索引将是查询表的关键点。意思就是，词嵌入被被存储在一个|V|*D的向量中，其中D是词嵌入的维度。词被被分配的索引i，表示在向量的第i行存储它的嵌入。在所有的代码中，从单词到索引的映射是一个叫'word_to_ix'的字典。
+在我们举例或练习之前，这里有一份关于如何在`Pytorch`和常见的深度学习中使用词嵌入的简要介绍。 与制作`one-hot`向量时对每个单词定义一个特殊的索引类似，当我们使用词向量时也需要为每个单词定义一个索引。这些索引将是查询表的关键点。意思就是，词嵌入被被存储在一个![](./img/WordEmbeddings-2b13c62ff7b8f4c26887bf369a4e44c8.gif)的向量中，其中![](./img/WordEmbeddings-f623e75af30e62bbd73d6df5b50bb7b5.gif)是词嵌入的维度。词被被分配的索引`i`，表示在向量的第`i`行存储它的嵌入。在所有的代码中，从单词到索引的映射是一个叫`word_to_ix`的字典。
 
-能使用词嵌入的模块是torch.nn.Embedding，这里面有两个参数：词汇表的大小和词嵌入的维度。
+能使用词嵌入的模块是`torch.nn.Embedding`，这里面有两个参数：词汇表的大小和词嵌入的维度。
 
-索引这张表时，你必须使用torch.LongTensor（因为索引是整数，不是浮点数）。
+索引这张表时，你必须使用`torch.LongTensor`（因为索引是整数，不是浮点数）。
 
 ```py
 # 作者: Robert Guthrie
@@ -99,12 +93,11 @@ tensor([[ 0.6614,  0.2669,  0.0617,  0.6213, -0.4519]],
 
 ## 例子： N-Gram语言模型
 
-回想一下，在n-gram语言模型中,给定一个单词序列向量w，我们要计算的是
-```py
-\[P(w_i | w_{i-1}, w_{i-2}, \dots, w_{i-n+1} )\]
-```
+回想一下，在`n-gram`语言模型中,给定一个单词序列向量![](./img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif)，我们要计算的是
 
-wi是单词序列的第i个单词。
+![](./img/WordEmbeddings-3c3d846fb2913b4605e8d59bc5a14e6c.gif)
+
+![](./img/WordEmbeddings-aa38f107289d4d73d516190581397349.gif)是单词序列的第`i`个单词。
 在本例中，我们将在训练样例上计算损失函数，并且用反向传播算法更新参数。
 ```py
 CONTEXT_SIZE = 2
@@ -192,20 +185,18 @@ print(losses)  # 用训练数据每次迭代，损失函数都会下降。
 
 ## 练习：计算连续词袋模型的词向量
 
-连续词袋模型（CBOW）在NLP深度学习中使用很频繁。它是一个模型，尝试通过目标词前后几个单词的文本，来预测目标词。这有别于语言模型，因为CBOW不是序列的，也不必是概率性的。 CBOW常用于快速地训练词向量，得到的嵌入用来初始化一些复杂模型的嵌入。通常情况下，这被称为预训练嵌入。 它几乎总能帮忙把模型性能提升几个百分点。
+连续词袋模型（`CBOW`）在`NLP`深度学习中使用很频繁。它是一个模型，尝试通过目标词前后几个单词的文本，来预测目标词。这有别于语言模型，因为`CBOW`不是序列的，也不必是概率性的。 `CBOW`常用于快速地训练词向量，得到的嵌入用来初始化一些复杂模型的嵌入。通常情况下，这被称为`预训练嵌入`。 它几乎总能帮忙把模型性能提升几个百分点。
 
-CBOW模型如下所示： 给定一个单词Wi，N代表两边的滑窗距，如Wi-1, .... ,Wi-N 和 Wi+1, ..... Wi+N，并将所有的上下文词统称为C，CBOW试图最小化
+`CBOW`模型如下所示： 给定一个单词![](./img/WordEmbeddings-aa38f107289d4d73d516190581397349.gif) ，![](./img/WordEmbeddings-8d9c307cb7f3c4a32822a51922d1ceaa.gif)代表两边的滑窗距，如![](./img/WordEmbeddings-3f53ca9954dfc8730d4f58c937097118.gif)和![](./img/WordEmbeddings-3ff042e26bf4d74a5488884f76800e6c.gif)，并将所有的上下文词统称为![](./img/WordEmbeddings-0d61f8370cad1d412f80b84d143e1257.gif) ，`CBOW`试图最小化
 
-```py
-\[-\log p(w_i | C) = -\log \text{Softmax}(A(\sum_{w \in C} q_w) + b)\]
-```
+![](./img/WordEmbeddings-56cc30cd24196bea5f078cb9b1f1d0dc.gif)
 
-其中q_w是单词W的嵌入。
+其中![](./img/WordEmbeddings-4856f4335c4b3d6613590c6d264e3541.gif)是单词![](./img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif)的嵌入。
 
-在Pytorch中，通过填充下面的类来实现这个模型，有两条需要注意：
+在`Pytorch`中，通过填充下面的类来实现这个模型，有两条需要注意：
 
 *   考虑下你需要定义哪些参数。
-*   确保你知道每步操作后的结构，如果想重构，请使用.view()
+*   确保你知道每步操作后的结构，如果想重构，请使用`.view()`
 
 ```py
 CONTEXT_SIZE = 2  # 左右各两个词
diff --git a/docs/1.0/img/WordEmbeddings-0d61f8370cad1d412f80b84d143e1257.gif b/docs/1.0/img/WordEmbeddings-0d61f8370cad1d412f80b84d143e1257.gif
new file mode 100644
index 0000000000000000000000000000000000000000..4b5ffe596011e0f313548d832edb157ae57eb27a
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-0d61f8370cad1d412f80b84d143e1257.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-1ed346930917426bc46d41e22cc525ec.gif b/docs/1.0/img/WordEmbeddings-1ed346930917426bc46d41e22cc525ec.gif
new file mode 100644
index 0000000000000000000000000000000000000000..909611705ede5e2309b9a411d8c9f22893fa3919
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-1ed346930917426bc46d41e22cc525ec.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-2b13c62ff7b8f4c26887bf369a4e44c8.gif b/docs/1.0/img/WordEmbeddings-2b13c62ff7b8f4c26887bf369a4e44c8.gif
new file mode 100644
index 0000000000000000000000000000000000000000..96af6340453bacc138140d3aec2cd45790805404
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-2b13c62ff7b8f4c26887bf369a4e44c8.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-3c3d846fb2913b4605e8d59bc5a14e6c.gif b/docs/1.0/img/WordEmbeddings-3c3d846fb2913b4605e8d59bc5a14e6c.gif
new file mode 100644
index 0000000000000000000000000000000000000000..5b58c467e0c8d183fb39273a83669094ce4bf0c7
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-3c3d846fb2913b4605e8d59bc5a14e6c.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-3f53ca9954dfc8730d4f58c937097118.gif b/docs/1.0/img/WordEmbeddings-3f53ca9954dfc8730d4f58c937097118.gif
new file mode 100644
index 0000000000000000000000000000000000000000..420db9acdeaaa12670fd6b014ce632cae1a1d6bc
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-3f53ca9954dfc8730d4f58c937097118.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-3ff042e26bf4d74a5488884f76800e6c.gif b/docs/1.0/img/WordEmbeddings-3ff042e26bf4d74a5488884f76800e6c.gif
new file mode 100644
index 0000000000000000000000000000000000000000..f3c91bcf203f124ad16d59a99f40e070fa588b49
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-3ff042e26bf4d74a5488884f76800e6c.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-4856f4335c4b3d6613590c6d264e3541.gif b/docs/1.0/img/WordEmbeddings-4856f4335c4b3d6613590c6d264e3541.gif
new file mode 100644
index 0000000000000000000000000000000000000000..0d668f1de55b0cd9307178220014269d91dc9df9
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-4856f4335c4b3d6613590c6d264e3541.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-5206560a306a2e085a437fd258eb57ce.gif b/docs/1.0/img/WordEmbeddings-5206560a306a2e085a437fd258eb57ce.gif
new file mode 100644
index 0000000000000000000000000000000000000000..f53085db02cdbe3db6a85a731115c6308ecb498b
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-5206560a306a2e085a437fd258eb57ce.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-56cc30cd24196bea5f078cb9b1f1d0dc.gif b/docs/1.0/img/WordEmbeddings-56cc30cd24196bea5f078cb9b1f1d0dc.gif
new file mode 100644
index 0000000000000000000000000000000000000000..72ff3b67b05ab23bf0cb05f287679c24f546ff52
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-56cc30cd24196bea5f078cb9b1f1d0dc.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-62ca51f900bf27324a2be4e6b8609f4b.gif b/docs/1.0/img/WordEmbeddings-62ca51f900bf27324a2be4e6b8609f4b.gif
new file mode 100644
index 0000000000000000000000000000000000000000..68c7267f371b95b1cda34f21f8ba61caef62acac
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-62ca51f900bf27324a2be4e6b8609f4b.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-74fcb594bdd93c0f956682ae1ea013e6.gif b/docs/1.0/img/WordEmbeddings-74fcb594bdd93c0f956682ae1ea013e6.gif
new file mode 100644
index 0000000000000000000000000000000000000000..612bf26e8df31e714bc30b7029edc4d6b3e10560
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-74fcb594bdd93c0f956682ae1ea013e6.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-8b4e6bfa073defa91d3f23cdec8f1f0e.gif b/docs/1.0/img/WordEmbeddings-8b4e6bfa073defa91d3f23cdec8f1f0e.gif
new file mode 100644
index 0000000000000000000000000000000000000000..58b5390b2450343914cfa41cdb4935da750c81ac
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-8b4e6bfa073defa91d3f23cdec8f1f0e.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-8d9c307cb7f3c4a32822a51922d1ceaa.gif b/docs/1.0/img/WordEmbeddings-8d9c307cb7f3c4a32822a51922d1ceaa.gif
new file mode 100644
index 0000000000000000000000000000000000000000..900275c2edd12b4c2bbf39da3493cd45eeeae885
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-8d9c307cb7f3c4a32822a51922d1ceaa.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-a0be0498fd8216177330deffbfcb6ea2.gif b/docs/1.0/img/WordEmbeddings-a0be0498fd8216177330deffbfcb6ea2.gif
new file mode 100644
index 0000000000000000000000000000000000000000..70f5fba201de51cf1497cd0a3eb53e8a8e226bcf
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-a0be0498fd8216177330deffbfcb6ea2.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-aa38f107289d4d73d516190581397349.gif b/docs/1.0/img/WordEmbeddings-aa38f107289d4d73d516190581397349.gif
new file mode 100644
index 0000000000000000000000000000000000000000..545f83b7eccb802c2f0c9e29a8217a783a24ab1c
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-aa38f107289d4d73d516190581397349.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-cf775cf1814914c00f5bf7ada7de4369.gif b/docs/1.0/img/WordEmbeddings-cf775cf1814914c00f5bf7ada7de4369.gif
new file mode 100644
index 0000000000000000000000000000000000000000..ab8206e72c6d3c1c66a2b3f31a76c7c66150ba8e
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-cf775cf1814914c00f5bf7ada7de4369.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif b/docs/1.0/img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif
new file mode 100644
index 0000000000000000000000000000000000000000..160e397556d9e00cd7bdd0c3d0521660a4b08ed7
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-f1290186a5d0b1ceab27f4e77c0c5d68.gif differ
diff --git a/docs/1.0/img/WordEmbeddings-f623e75af30e62bbd73d6df5b50bb7b5.gif b/docs/1.0/img/WordEmbeddings-f623e75af30e62bbd73d6df5b50bb7b5.gif
new file mode 100644
index 0000000000000000000000000000000000000000..5d8937d82f44cdb35a5b423f90f6096df0677ef5
Binary files /dev/null and b/docs/1.0/img/WordEmbeddings-f623e75af30e62bbd73d6df5b50bb7b5.gif differ