2020-08-07 17:22:53

docs/build-ml-proj-tf-zh/ch05.md

@@ -38,7 +38,7 @@
 1.  用随机分布初始化权重（通常为低值）
 2.  选择一个输入向量并将其呈现给网络，
 3.  为指定的输入向量和权重值计算网络的输出 y'。
-4.  The function for a perceptron is:
+4.  用于感知机的函数是：
 
     ![Perceptron algorithm](img/00080.jpg)
 

docs/build-ml-proj-tf-zh/ch06.md

@@ -84,8 +84,8 @@ tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu, data_format, nam
 
 我们使用的参数如下：
 
-*   `input`：这是将对其应用操作的原始张量。 它具有四个尺寸的确定格式，默认尺寸顺序如下所示。
-*   `[batch, in_height, in_width, in_channels]`: Batch is a dimension that allows you to have a collection of images. This order is called `NHWC`. The other option is `NCWH`.
+*   `input`：这是将对其应用操作的原始张量。 它具有四个维度的确定格式，默认维度顺序如下所示。
+*   `[batch, in_height, in_width, in_channels]`：批量是允许您拥有图像集合的维度。 顺序称为`NHWC`。 另一个选项是`NCWH`。
 
     例如，单个`100x100` 像素彩色图像将具有以下形状：
 

docs/build-ml-proj-tf-zh/ch08.md

@@ -155,7 +155,7 @@ scipy.io.loadmat(file_name, mdict=None, appendmat=True, **kwargs)
 
 ```
 
-*   Returns of the preceding parameter:
+*   返回前一个参数：
 
     `mat_dict : dict :dictionary`，变量名作为键，加载的矩阵作为值。 如果填充了`mdict`参数，则将结果分配给它。