2020-08-05 18:46:59

docs/mastering-tf-1x-zh/ch18.md

@@ -51,7 +51,7 @@ tf.Print(
 
 您可以按照 Jupyter 笔记本中的代码`ch-18_TensorFlow_Debugging`。
 
-让我们修改之前创建的 MNIST MLP 模型来添加 print 语句：
+让我们修改之前创建的 MNIST MLP 模型来添加`print`语句：
 
 ```py
 model = tf.Print(input_=model,
@@ -161,7 +161,7 @@ InvalidArgumentError: assertion failed: [[-2 0 0]...]
 assert_op = tf.assert_greater_equal(x,0)
 ```
 
-# 使用 TensorFlow 调试器（tfdbg）进行调试
+# 使用 TensorFlow 调试器（`tfdbg`）进行调试
 
 TensorFlow 调试器（`tfdbg`）与其他常用调试器（如`pdb`和`gdb`）的工作方式相同。要使用调试器，该过程通常如下：
 

docs/mastering-tf-1x-zh/ch19.md

@@ -13,7 +13,7 @@ TensorFlow 提供了一个编译器和软件堆栈，可将 API 调用从 Tensor
 TPU 的 TensorFlow API 位于`tf.contrib.tpu`模块中。为了在 TPU 上构建模型，使用以下三个 TPU 特定的 TensorFlow 模块：
 
 *   `tpu_config`：`tpu_config`模块允许您创建配置对象，其中包含有关将运行模型的主机的信息。
-*   `tpu_estimator`：`tpu_estimator`模块将估计器封装在[H​​TG2]类中。要在 TPU 上运行估计器，我们创建此类的对象。
+*   `tpu_estimator`：`tpu_estimator`模块将估计器封装在`TPUEstimatorSpec`类中。要在 TPU 上运行估计器，我们创建此类的对象。
 *   `tpu_optimizer`：`tpu_optimizer`模块包装优化器。例如，在下面的示例代码中，我们将`tpu_optimizer`类中的 SGD 优化器包装在`tpu_optimizer`类中。
 
 例如，以下代码使用 TFEstimator API 为 TPU 上的 MNIST 数据集构建 CNN 模型：