Merge pull request #1044 from d2l-ai/master

[minor fix]

Jenkinsfile

@@ -70,7 +70,7 @@ stage("Build and Publish") {
         sh label:"Release", script:"""set -ex
         conda activate ${ENV_NAME}
         d2lbook build pkg
-        d2lbook deploy html pdf pkg colab sagemaker --s3 s3://zh-v2.d2l.ai
+        d2lbook deploy html pdf pkg colab sagemaker --s3 s3://${LANG}-v2.d2l.ai
         """
 
       } else {

chapter_appendix-tools-for-deep-learning/selecting-servers-gpus.md

@@ -45,7 +45,7 @@ GPU供应商通常每一到两年发布一代，例如2017年发布的GTX 1000
 
 1. 在每个系列中，价格和性能大致成比例。Titan因拥有大GPU内存而有相当的溢价。然而，通过比较980 Ti和1080 Ti可以看出，较新型号具有更好的成本效益。RTX 2000系列的价格似乎没有多大提高。然而，它们提供了更优秀的低精度性能（FP16、INT8和INT4）。
 2. GTX 1000系列的性价比大约是900系列的两倍。
-3. 对于RTX 2000系列，价格是价格的“仿射”函数。
+3. 对于RTX 2000系列，浮点计算能力是价格的“仿射”函数。
 
 ![浮点计算能力和能耗](../img/wattvsprice.svg)
 :label:`fig_wattvsprice`

chapter_recurrent-neural-networks/sequence.md

@@ -279,7 +279,7 @@ def get_net():
                               tf.keras.layers.Dense(1)])
     return net
 
-# 最小均方损失。注意：MSELoss计算平方误差时不带系数1/2
+# 最小均方损失。注意：MeanSquaredError计算平方误差时不带系数1/2
 loss = tf.keras.losses.MeanSquaredError()
 ```