2020-08-07 23:17:13

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

@@ -7,7 +7,7 @@
 在本章中，我们将介绍以下主题：
 
 *   神经网络的初步概念
-*   非线性综合函数回归的神经网络项目
+*   非线性一般函数回归的神经网络项目
 *   利用非线性回归预测汽车燃油效率的项目
 *   学习葡萄酒的分类和多分类
 
@@ -126,7 +126,7 @@ TensorFlow 损失优化方法如下所述：
 *   `StandardScaler` 。 `fit_transform()`：简单地将数据调整为所需格式。 `StandardScaler`对象将保存转换变量，因此您将能够取回非规格化数据。
 *   `cross_validation.train_test_split`：此方法将数据集分为训练和测试段，我们只需要提供分配给每个阶段的数据集的百分比即可。
 
-# 第一个项目 -- 合成函数的非线性回归
+# 第一个项目 -- 非线性一般函数回归
 
 人工神经网络示例通常包含绝大多数分类问题，但实际上有大量应用可以表示为回归。
 

docs/build-ml-proj-tf-zh/ch07.md

@@ -387,7 +387,7 @@ plt.legend(handles=[plot_predicted, plot_test])
 
 如我们先前所见，字符 RNN 模型可用于字符序列。 这类输入可以代表多种可能的语言。 以下是一些示例：
 
-*   程式码
+*   代码
 *   不同的人类语言（某些作者的写作风格的建模）
 *   科学论文（tex）等
 

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

@@ -96,7 +96,7 @@ GoogLeNet 是这项工作的第一个迭代，如下图所示，它具有非常
 
 *   将卷积数减少到最大`3x3`
 *   增加网络的总体深度
-*   在每一层使用宽度增加技术来改善特征组合
+*   在每一层使用宽度扩展技术来改善特征组合
 
 下图说明了如何解释改进的启动模块：
 

docs/build-ml-proj-tf-zh/ch10.md

@@ -303,7 +303,7 @@ Bazel（`bazel.io`）是一个构建工具，基于 Google 七年来一直使用
 *   支持多种语言，例如 C++，Java，Python 等
 *   支持创建 Android 和 iOS 应用，甚至 Docker 映像
 *   支持使用来自许多不同来源的库，例如 GitHub，Maven 等
-*   通过 API 可扩展以添加自定义构建规则
+*   通过 API 可扩展以便添加自定义构建规则
 
 #### 添加 Bazel 发行版 URI 作为包源