2020-08-04 21:52:03

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

@@ -2,11 +2,11 @@
 +   [一、TensorFlow 101](ch01.md)
 +   [二、TensorFlow 的高级库](ch02.md)
 +   [三、Keras 101](ch03.md)
-+   [四、使用 TensorFlow 进行经典机器学习](ch04.md)
++   [四、使用 TensorFlow 的经典机器学习](ch04.md)
 +   [五、使用 TensorFlow 和 Keras 的神经网络和 MLP](ch05.md)
 +   [六、使用 TensorFlow 和 Keras 的 RNN](ch06.md)
-+   [七、使用 TensorFlow 和 Keras 的时间序列数据的 RNN](ch07.md)
-+   [八、使用 TensorFlow 和 Keras 的文本数据的 RNN](ch08.md)
++   [七、使用 TensorFlow 和 Keras 的时间序列数据和 RNN](ch07.md)
++   [八、使用 TensorFlow 和 Keras 的文本数据和 RNN](ch08.md)
 +   [九、使用 TensorFlow 和 Keras 的 CNN](ch09.md)
 +   [十、使用 TensorFlow 和 Keras 的自编码器](ch10.md)
 +   [十一、TF 服务：生产中的 TensorFlow 模型](ch11.md)

docs/mastering-tf-1x-zh/ch04.md

-# 四、使用 TensorFlow 进行经典机器学习
+# 四、使用 TensorFlow 的经典机器学习
 
 机器学习是计算机科学领域，涉及算法的研究，开发和应用，以使计算机器从数据中学习。计算机学习的模型用于进行预测和预测。机器学习研究人员和工程师通过构建模型然后使用这些模型进行预测来实现这一目标。现在众所周知，机器学习已成功地应用于各种领域，如自然语言理解，视频处理，图像识别，语音和视觉。
 

docs/mastering-tf-1x-zh/ch07.md

-# 七、使用 TensorFlow 和 Keras 的时间序列数据的 RNN
+# 七、使用 TensorFlow 和 Keras 的时间序列数据和 RNN
 
 时间序列数据是一系列值，以不同的时间间隔记录或测量。作为序列，RNN 架构是从这些数据训练模型的最佳方法。在本章中，我们将使用示例时间序列数据集来展示如何使用 TensorFlow 和 Keras 构建 RNN 模型。
 

docs/mastering-tf-1x-zh/ch08.md

-# 八、使用 TensorFlow 和 Keras 的文本数据的 RNN
+# 八、使用 TensorFlow 和 Keras 的文本数据和 RNN
 
 文本数据可以被视为一系列字符，单词，句子或段落。 **循环神经网络**（**RNN**）已被证明是非常有用的序列神经网络结构。为了将神经网络模型应用于**自然语言处理**（**NLP**）任务，文本被视为单词序列。事实证明，这对于 NLP 任务非常成功，例如：
 

sidebar.md

@@ -30,17 +30,17 @@
     +   [一、TensorFlow 101](docs/mastering-tf-1x-zh/ch01.md)
     +   [二、TensorFlow 的高级库](docs/mastering-tf-1x-zh/ch02.md)
     +   [三、Keras 101](docs/mastering-tf-1x-zh/ch03.md)
-    +   [四、使用 TensorFlow 进行经典机器学习](docs/mastering-tf-1x-zh/ch04.md)
+    +   [四、使用 TensorFlow 的经典机器学习](docs/mastering-tf-1x-zh/ch04.md)
     +   [五、使用 TensorFlow 和 Keras 的神经网络和 MLP](docs/mastering-tf-1x-zh/ch05.md)
     +   [六、使用 TensorFlow 和 Keras 的 RNN](docs/mastering-tf-1x-zh/ch06.md)
-    +   [七、使用 TensorFlow 和 Keras 的时间序列数据的 RNN](docs/mastering-tf-1x-zh/ch07.md)
-    +   [八、使用 TensorFlow 和 Keras 的文本数据的 RNN](docs/mastering-tf-1x-zh/ch08.md)
+    +   [七、使用 TensorFlow 和 Keras 的时间序列数据和 RNN](docs/mastering-tf-1x-zh/ch07.md)
+    +   [八、使用 TensorFlow 和 Keras 的文本数据和 RNN](docs/mastering-tf-1x-zh/ch08.md)
     +   [九、使用 TensorFlow 和 Keras 的 CNN](docs/mastering-tf-1x-zh/ch09.md)
     +   [十、使用 TensorFlow 和 Keras 的自编码器](docs/mastering-tf-1x-zh/ch10.md)
     +   [十一、TF 服务：生产中的 TensorFlow 模型](docs/mastering-tf-1x-zh/ch11.md)
     +   [十二、迁移学习和预训练模型](docs/mastering-tf-1x-zh/ch12.md)
     +   [十三、深度强化学习](docs/mastering-tf-1x-zh/ch13.md)
-    +   [十四、生成性对抗网络](docs/mastering-tf-1x-zh/ch14.md)
+    +   [十四、生成对抗网络](docs/mastering-tf-1x-zh/ch14.md)
     +   [十五、使用 TensorFlow 集群的分布式模型](docs/mastering-tf-1x-zh/ch15.md)
     +   [十六、移动和嵌入式平台上的 TensorFlow 模型](docs/mastering-tf-1x-zh/ch16.md)
     +   [十七、R 中的 TensorFlow 和 Keras](docs/mastering-tf-1x-zh/ch17.md)