2021-01-06 18:24:38

new/master-cv-tf-2x/0.md

@@ -69,7 +69,7 @@
 
 1.  登录或注册 [www.packt.com](http://www.packt.com) 。
 2.  选择支持选项卡。
-3.  单击代码下载和勘误。
+3.  单击“代码下载和勘误”。
 4.  在搜索框中输入书籍的名称，然后按照屏幕上的说明进行操作。
 
 下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：

new/master-cv-tf-2x/10.md

@@ -106,12 +106,12 @@ TensorFlow 对象检测 API 具有预先训练的模型，[您可以使用网络
 2.  创建一个项目，如下面的屏幕快照所示。 在这里，`R-CNN-trainingpack`是我的项目的名称。 您的项目名称可能会有所不同。
 3.  按照[启动 VM 实例]下的 10 条说明进行操作-在“步骤 12”之后的屏幕快照中也进行了说明。
 4.  在 Google Cloud Console 中，导航到“VM 实例”页面。
-5.  点击顶部的创建实例。 它应该带您到另一个页面，您必须在其中输入实例名称。
+5.  点击顶部的“创建实例”。 它应该带您到另一个页面，您必须在其中输入实例名称。
 6.  以小写字母输入实例的名称。 请注意，实例名称与项目名称不同。
-7.  单击计算机类型，然后选择`n1-standard-8`（8vCPU，30 GB 内存）。
+7.  单击“计算机类型”，然后选择`n1-standard-8`（8vCPU，30 GB 内存）。
 8.  单击“自定义”，然后调整水平条以将“计算机类型”设置为 8 个 vCPU，将“内存”设置为 8GB，如以下屏幕截图所示。
 9.  选择“防火墙”下的“允许 HTTP 通信”。
-10.  在防火墙下，您将看到管理，安全性，磁盘，网络，唯一租赁链接，如屏幕快照所示，该屏幕快照说明了创建 VM 实例的步骤。 单击该，然后单击网络选项卡。
+10.  在防火墙下，您将看到管理，安全性，磁盘，网络，唯一租赁链接，如屏幕快照所示，该屏幕快照说明了创建 VM 实例的步骤。 单击它，然后单击“网络”选项卡。
 11.  在“网络”选项卡中，选择“网络接口”部分。 接下来，在“网络接口”部分中，我们将通过在“外部 IP”下拉列表中分配一个新 IP 地址来分配静态 IP 地址。 给它起一个名字（例如`staticip`），然后单击“保留”。
 12.  完成所有这些步骤之后，请检查并确保已按照说明填充所有内容，然后单击“创建”（如以下屏幕截图所示）以创建 VM 实例。
 

new/master-cv-tf-2x/11.md

@@ -728,7 +728,7 @@ tflite_quant_model = converter.convert()
 
 ![](img/780b2705-5d24-4741-9bdc-51821712e470.png)
 
-7.  右键单击资产，然后从菜单列表中选择在文件中显示。 将我们在第一步中创建的`.tflite`和`.txt`文件拖放到资产目录中。 关闭文件夹，然后返回 Android Studio。
+7.  右键单击“资产”，然后从菜单列表中选择在文件中显示。 将我们在第一步中创建的`.tflite`和`.txt`文件拖放到资产目录中。 关闭文件夹，然后返回 Android Studio。
 8.  双击`.txt`文件将其打开，并在顶部添加新行。 用`???`填充它。 因此，`.txt`文件将为这两个类提供三行：
 
 ```py
@@ -877,7 +877,7 @@ Core ML 的核心部分是 Create ML，它是用于图像分类和对象检测
 现在，Create ML 中的整个模型开发过程仅涉及三个步骤：
 
 1.  准备数据–即输入文件
-2.  将数据拖到 Core ML 中，然后单击训练
+2.  将数据拖到 Core ML 中，然后单击“训练”
 3.  保存模型（请注意，我找不到找到保存到桌面的方法，因此我通过电子邮件将其发送给自己并保存了文件）并分析了数据
 
 以下屏幕截图显示了“创建 ML”中的训练过程：

new/master-cv-tf-2x/12.md

@@ -39,7 +39,7 @@
 2.  然后，点击左侧的帐单并提供您的信用卡信息。 在撰写本文时，Google 提供了 300 美元的免费试用额度，但您仍需要提供信用卡信息。
 3.  完成此操作后，单击“API 和服务”，然后单击“启用 API 和服务”，然后在“机器学习”下选择“AI 平台训练和预测 API”。
 
-4.  单击启用，将启用 API。 以下屏幕截图显示了启用后的 AI Platform Training&Prediction API：
+4.  单击“启用”，将启用 API。 以下屏幕截图显示了启用后的 AI Platform Training&Prediction API：
 
 ![](img/de81e552-ecaf-4070-8cbd-63f8c8b1072c.png)
 
@@ -59,7 +59,7 @@
 
 ![](img/0ac81fac-f1a8-4470-bd25-2834d6b1c56e.png)
 
-如前面的屏幕快照所示，首先创建一个名为`data`的文件夹。 然后，单击数据，单击上载文件，然后上载`test.record`，`train.record`，`label_map.pbtxt`，`pipeline.config`和`model.ckpt*`（三个文件）。 我们将在下一节中介绍如何获取这些文件。
+如前面的屏幕快照所示，首先创建一个名为`data`的文件夹。 然后，单击“数据”，单击“上载文件”，然后上载`test.record`，`train.record`，`label_map.pbtxt`，`pipeline.config`和`model.ckpt*`（三个文件）。 我们将在下一节中介绍如何获取这些文件。
 
 # 使用 Ubuntu 终端设置存储桶
 
@@ -567,7 +567,7 @@ s3:// sample1/DEMO/s3_output_location/
 
 在本节中，我们将训练图像上传到 Azure Custom Vision 平台。 按着这些次序：
 
-1.  单击添加图像，然后添加所有`train`和`validation`图像。
+1.  单击“添加图像”，然后添加所有`train`和`validation`图像。
 2.  添加它们后，您的图像将显示在未标记的部分。
 
 3.  请注意，您将无处上载在先前项目中创建的注释`.xml`或`.JSON`文件，但不要担心，Azure 使标记图像非常简单。
@@ -590,7 +590,7 @@ s3:// sample1/DEMO/s3_output_location/
 
 ![](img/f4081282-39a6-4a90-9178-05b09c7064ed.png)
 
-9.  如图所示，预测是正确的。 接下来，我们将导出模型。 为此，请单击“导出”，如以下屏幕截图所示。 请注意，如果单击 TF，则可以选择导出为 TensorFlow Lite 或 TensorFlow。 同样，如果您单击 iOS，则可以选择导出为 CoreML：
+9.  如图所示，预测是正确的。 接下来，我们将导出模型。 为此，请单击“导出”，如以下屏幕截图所示。 请注意，如果单击`TF`，则可以选择导出为 TensorFlow Lite 或 TensorFlow。 同样，如果您单击`iOS`，则可以选择导出为 CoreML：
 
 ![](img/1e616edb-4ec6-4f40-94ce-48dd5a30ed0e.png)
 

new/mobi-dl-tflite/00.md

@@ -57,7 +57,7 @@ Flutter 移动应用程序上的深度学习尚处于开发的早期阶段。
 
 1.  登录或注册 [www.packt.com](http://www.packt.com) 。
 2.  选择支持选项卡。
-3.  单击代码下载。
+3.  单击“代码下载”。
 4.  在搜索框中输入书籍的名称，然后按照屏幕上的说明进行操作。
 
 下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：

new/mobi-dl-tflite/03.md

@@ -86,7 +86,7 @@ Dialogflow 项目在 Google Cloud 上运行，并且能够从与构建会话相
 
 您将需要一个 Google 帐户来创建 Dialogflow 帐户。 如果尚未创建一个，请访问[这里](https://accounts.google.com)。
 
-2.  在 Dialogflow 网站的主页上，单击免费注册以创建帐户，或单击进入控制台以打开 Dialogflow 控制台：
+2.  在 Dialogflow 网站的主页上，单击“免费注册”以创建帐户，或单击“进入控制台”以打开 Dialogflow 控制台：
 
 ![](img/0b539e2f-ba54-4561-8736-6ad8dfe2bd46.png)
 
@@ -100,7 +100,7 @@ Dialogflow 项目在 Google Cloud 上运行，并且能够从与构建会话相
 
 成功创建帐户后，将显示 Dialogflow 控制台的登录屏幕，提示您创建代理：
 
-1.  单击创建代理提示。 您将被带到一个类似于以下内容的屏幕：
+1.  单击“创建代理”提示。 您将被带到一个类似于以下内容的屏幕：
 
 ![](img/104abf6b-28d0-4e6f-9017-eb6f41014458.png)
 
@@ -123,7 +123,7 @@ Dialogflow 控制台提示您创建一个新的意图。 让我们创建一个
 
 现在，我们将创建一个意图，该意图从用户那里获取输入并确定用户名称。 然后，该意图提取名称的值并将其存储在一个实体中，该实体稍后将传递给 Webhook 进行处理。 请按照以下步骤操作：
 
-1.  单击屏幕右上方的创建意图按钮。 意向创建表单打开。
+1.  单击屏幕右上方的“创建意图”按钮。 意向创建表单打开。
 2.  我们必须为该意图提供一个名称，例如`luckyNum`。 然后，向下滚动到“训练短语”部分并添加一个训练短语：`name is John`。
 
 3.  抓住所需的实体，然后选择单词`John`。 将出现一个下拉列表，将单词与任何预定义实体匹配。 我们将使用`@sys.person`实体获取名称并将其存储为`userName`参数，如以下屏幕截图所示：
@@ -174,14 +174,14 @@ Google 平台上的操作为有兴趣构建聊天机器人的开发人员提供
 
 您必须选择在其中创建 Dialogflow chatbot 代理的同一 Google Project。
 
-4.  单击导入项目，将 Dialogflow 聊天机器人的操作添加到 Google 助手。 在加载的下一个屏幕上，选择“对话”模板以创建我们的操作。
+4.  单击“导入项目”，将 Dialogflow 聊天机器人的操作添加到 Google 助手。 在加载的下一个屏幕上，选择“对话”模板以创建我们的操作。
 5.  然后，您将被带到 Google 控制台上的“操作”，如下所示：
 
 ![](img/8acbcf5e-53c4-4c4e-85ab-fd1fb10103c0.png)
 
 在顶部栏上，您将看到内置 Action 的 Google Project 的项目 ID。在左侧垂直导航栏上，您需要执行的所有不同步骤才能完成操作 操作的设置将列出。 在右侧的主要内容部分，提供了一个快速演练来设置您的第一个 Action。
 
-6.  单击确定如何调用操作。 您需要为您的操作提供唯一的调用字符串。 对于本章中的示例，我们使用了`Talk to Peter please`调用。 您将需要选择稍微不同的调用。
+6.  单击“确定”如何调用操作。 您需要为您的操作提供唯一的调用字符串。 对于本章中的示例，我们使用了`Talk to Peter please`调用。 您将需要选择稍微不同的调用。
 
 成功设置调用后，演练将要求您添加一个动作。
 
@@ -194,7 +194,7 @@ Google 平台上的操作为有兴趣构建聊天机器人的开发人员提供
 
 默认情况下，您在 Dialogflow 控制台中构建的聊天机器人不允许 Google Actions 项目访问其中可用的意图。 通过执行以下步骤，我们可以启用对意图的访问：
 
-1.  在 Dialogflow 界面上，单击左侧导航窗格上的 Integrations 按钮。
+1.  在 Dialogflow 界面上，单击左侧导航窗格上的`Integrations`按钮。
 2.  在加载的页面上，将为您提供 Dialogflow 支持的各种服务的集成选项，其中包括所有主要的社交聊天平台，以及 Amazon 的 Alexa 和 Microsoft 的 Cortana。
 3.  在屏幕上，您应该看到 Google 助手的“集成设置”按钮。 单击该按钮。 将打开一个对话框，如以下屏幕截图所示：
 
@@ -287,7 +287,7 @@ exports.dialogflowFirebaseFulfillment = functions.https.onRequest(app);
 
 您必须清除内联编辑器中的默认样板代码才能执行此操作。
 
-2.  将上一部分中的编辑器中的代码粘贴到`index.js`选项卡式导航丸中，然后单击 Deploy。
+2.  将上一部分中的编辑器中的代码粘贴到`index.js`选项卡式导航丸中，然后单击`Deploy`。
 
 请记住，用于部署的环境是 Node.js，因此`index.js`是包含所有业务逻辑的文件。 `package.json`文件管理您的项目所需的软件包。
 
@@ -305,7 +305,7 @@ exports.dialogflowFirebaseFulfillment = functions.https.onRequest(app);
 
 现在我们知道我们的聊天机器人可以正常工作，并且可以与 Google 上的 Action 集成在一起，让我们为其创建一个发行版：
 
-1.  在 Google 控制台上的操作中单击概述，您将看到准备部署的提示。
+1.  在 Google 控制台上的操作中单击“概述”，您将看到准备部署的提示。
 2.  Actions 测试控制台要求您输入一些 Action 所需的信息。 这些通常是简短和长格式的说明，开发人员的详细信息，隐私政策，操作条款和条件以及徽标。 成功填写所有内容后，单击“保存”。
 3.  在“部署”类别下的左侧导航栏中单击“发布”，以打开“发布”页面。 在这里，选择`Alpha`发布选项，然后单击`Submit`发布。
 
@@ -366,7 +366,7 @@ Widget createSendButton() {
  }
 ```
 
-在 Flutter 中，可以使用`Icons`类轻松添加类似于发送按钮的图形图标。 为此，我们创建一个新的`Icon`实例并指定`Icons.send`，以便将小部件用作发送按钮。 用作`icon`属性的参数。 我们还设置了`onPressed`属性，该属性在用户点击发送按钮时调用。 在这里，我们再次致电`_handleSubmitted`。
+在 Flutter 中，可以使用`Icons`类轻松添加类似于发送按钮的图形图标。 为此，我们创建一个新的`Icon`实例并指定`Icons.send`，以便将小部件用作发送按钮。 用作`icon`属性的参数。 我们还设置了`onPressed`属性，该属性在用户点击“发送”按钮时调用。 在这里，我们再次致电`_handleSubmitted`。
 
 `=>`（有时称为箭头）是一种速记符号，用于定义包含一行的方法。 定义为`fun() { return 10; }`的方法可以写为`fun() => return 10;`。
 

new/mobi-dl-tflite/04.md

@@ -102,8 +102,8 @@ Cloud Vision API 是 GCP 套件中流行的 API。 它已成为使用计算机
 ![](img/d8ff1b34-0395-4639-b48d-b558bdff7d8c.png)
 
 2.  单击“API 和服务”选项。 这将打开 API 仪表板，其中显示了与项目中启用的 API 相关的统计信息。
-3.  单击启用 API 和服务按钮。
-4.  在出现的搜索框中，键入 Cloud Vision API。
+3.  单击“启用 API 和服务”按钮。
+4.  在出现的搜索框中，键入`Cloud Vision API`。
 5.  单击相关的搜索结果。 该 API 提供程序将列为 Google。
 6.  API 页面打开后，单击“启用”。 之后，应该显示一个图标，表明您已启用此 API，并且“启用”按钮变为“管理”。
 
@@ -114,7 +114,7 @@ Cloud Vision API 是 GCP 套件中流行的 API。 它已成为使用计算机
 现在，您必须创建一个 API 密钥来访问 API 并从中获取响应。 为此，请执行以下步骤：
 
 1.  再次打开左侧的导航菜单，并将鼠标悬停在“API 和服务”菜单项上。 出现一个子菜单-单击“凭据”。
-2.  单击创建凭据按钮。 在显示的下拉菜单中，选择 API 密钥，如以下屏幕截图所示：
+2.  单击“创建凭据”按钮。 在显示的下拉菜单中，选择 API 密钥，如以下屏幕截图所示：
 
 ![](img/c1939d94-1eff-481d-9f17-4360050a2f4a.png)
 
@@ -405,7 +405,7 @@ Widget createButton(String chosenModel) {
 }
 ```
 
-该方法返回`RaisedButton`方法，其颜色为`blue`，`textColor`值为`white`，`splashColor`值为`blueGrey`。 该按钮具有一个`Text`子元素，该子元素是使用`chosenModel`中传递的值构建的。 如果用户单击了运行 Cloud Vision API 的按钮，则`chosenModel`的值将为 Cloud Vision API，并且如果单击 TensorFlow Lite 的按钮，则其值为 TensorFlow Lite。
+该方法返回`RaisedButton`方法，其颜色为`blue`，`textColor`值为`white`，`splashColor`值为`blueGrey`。 该按钮具有一个`Text`子元素，该子元素是使用`chosenModel`中传递的值构建的。 如果用户单击了“运行 Cloud Vision API”的按钮，则`chosenModel`的值将为 Cloud Vision API，并且如果单击`TensorFlow Lite`的按钮，则其值为 TensorFlow Lite。
 
 当按下按钮时，我们首先检查`chosenModel`中的值。 如果与`str_cloud`相同（即 Cloud Vision API），则分配给变量`a`的值为`0`； 否则，分配给变量`a`的值为`1`。 该值与使用`Navigator.push()`迁移到`PlantSpeciesRecognition`一起传递，这将在后面的部分中进行介绍。
 
@@ -563,7 +563,7 @@ return Scaffold(
 
 ![](img/eeaa7923-cfe1-48c9-980b-32bea0bf994d.png)
 
-此时，单击 FAB 将启动图库，并且所选图像将显示在屏幕上。
+此时，单击`FAB`将启动图库，并且所选图像将显示在屏幕上。
 
 接下来，我们将在设备上加载 TensorFlow Lite 模型，并向 Cloud Vision API 发出 HTTP 请求，以在所选图像上获得识别结果。
 

new/mobi-dl-tflite/05.md

@@ -631,13 +631,13 @@ plt.show()
 
 在上一个屏幕快照中显示的管理控制台的左侧，您可以找到各种菜单选项，并且在当前页面的中心，将提示您创建一个新项目。
 
-6.  单击创建项目，然后在出现的对话框中填写项目名称。 确保您创建的项目具有唯一的名称。 创建项目后，将为您提供一个仪表板，其中显示了对所有可用资源及其使用情况的监视。
+6.  单击“创建项目”，然后在出现的对话框中填写项目名称。 确保您创建的项目具有唯一的名称。 创建项目后，将为您提供一个仪表板，其中显示了对所有可用资源及其使用情况的监视。
 
 在左侧菜单上，选择“开发人员”以切换到控制台的“开发人员”视图，如以下屏幕截图所示：
 
 ![](img/2ce108d9-645c-4f78-a0c9-3af2fdc04633.png)
 
-7.  现在，您应该能够看到控制台的 Developer 视图以及更新的左侧菜单。 在这里，单击拓扑以获取以下部署选项：
+7.  现在，您应该能够看到控制台的 Developer 视图以及更新的左侧菜单。 在这里，单击“拓扑”以获取以下部署选项：
 
 ![](img/2847b19b-52c7-46c0-993c-4851b425844e.png)
 

new/mobi-dl-tflite/08.md

@@ -689,10 +689,10 @@ bestmove b8c6
 
 ![](img/b6b7fbc0-b10d-43ea-8120-a55d267ce48f.png)
 
-4.  选择条目，然后单击编辑配额。
-5.  系统将要求您提供身份证明，包括您的电话号码。 填写详细信息，然后单击下一步。
+4.  选择条目，然后单击“编辑配额”。
+5.  系统将要求您提供身份证明，包括您的电话号码。 填写详细信息，然后单击“下一步”。
 6.  输入您想要将 GPU 配额设置为的限制（最好是`1`，以避免滥用）。 另外，请提供您提出要求的理由，例如学术研究，机器学习探索或任何适合您的东西！
-7.  单击提交。
+7.  单击“提交”。
 
 提出要求后，大约需要 10 到 15 分钟才能将您的配额增加/设置为您指定的数量。 您将收到一封电子邮件，通知您有关此更新。 现在，您准备创建一个 GPU 实例。
 
@@ -701,18 +701,18 @@ bestmove b8c6
 下一步是创建 GPU 实例。 创建 GPU 实例的过程与创建非 GPU 实例的过程非常相似，但是需要额外的步骤。 让我们快速完成所有这些步骤：
 
 1.  在您的 Google Cloud Platform 仪表板上，单击左侧导航菜单中的“Compute Engine | VM 实例”。
-2.  单击创建实例。
+2.  单击“创建实例”。
 3.  单击“计算机类型选择”部分正下方的 CPU 平台和 GPU，如以下屏幕截图所示：
 
 ![](img/c8e5a150-c87a-477c-b2a5-25de4d03a540.png)
 
-4.  单击添加 GPU（大加号（`+`）按钮）。 选择要附加到此 VM 的 GPU 类型和 GPU 数量。
+4.  单击“添加 GPU”（大加号（`+`）按钮）。 选择要附加到此 VM 的 GPU 类型和 GPU 数量。
 5.  将启动盘操作系统更改为 Ubuntu 版本 10.10。
 6.  在“防火墙”部分中，检查 HTTP 和 HTTPS 通信权限，如以下屏幕截图所示：
 
 ![](img/210973f6-598c-4cf8-857f-bcf6de41ccfa.png)
 
-7.  单击表单底部的创建。
+7.  单击表单底部的“创建”。
 
 几秒钟后，您的实例将成功创建。 如果遇到任何错误，例如超出了区域资源限制，请尝试更改要在其中创建实例的区域/区域。这通常是一个临时问题。
 
@@ -807,7 +807,7 @@ def start(config: Config):
 7.  最后，我们将脚本部署到我们创建的 VM 实例。 为此，请执行以下步骤：
 
 1.  打开 GCP 控制台的 VM 实例页面。
-2.  输入在上一节中创建的 VM 后，单击 SSH 按钮。
+2.  输入在上一节中创建的 VM 后，单击`SSH`按钮。
 3.  SSH 会话激活后，通过运行以下命令来更新系统上的存储库：
 
 ```py

new/mobi-dl-tflite/09.md

@@ -531,7 +531,7 @@ app.run(host="0.0.0.0", port="8080")
 
 ![](img/89741076-7529-4670-8dbb-b877507df344.png)
 
-6.  单击提示以弹出 Droplet 创建表单。 选择下表中描述的选项：
+6.  单击“提示”以弹出 Droplet 创建表单。 选择下表中描述的选项：
 
     | **字段** | **说明** | **要使用的值** |
     | 选择一张图片 | Droplet 将在其上运行的操作系统。 | Ubuntu 18.04（或最新可用版本） |
@@ -542,12 +542,12 @@ app.run(host="0.0.0.0", port="8080")
     | 认证方式 | 选择虚拟机的身份验证方法。 | 一次性密码 |
     | 完成并创建 | Droplet 的一些其他设置和选项。 | 保留默认值 |
 
-7.  单击创建 Droplet，然后等待 DigitalOcean 设置您的 Droplet。
+7.  单击“创建 Droplet”，然后等待 DigitalOcean 设置您的 Droplet。
 8.  创建 Droplet 后，单击其名称以打开 Droplet 管理控制台，该控制台应如下所示：
 
 ![](img/72bf3798-300a-4d53-82e5-c369fc742db6.png)
 
-9.  现在，我们可以使用上一幅截图所示的 Droplet 控制台左侧导航菜单上的 Access 选项卡登录到 Droplet。 单击访问，然后启动控制台。
+9.  现在，我们可以使用上一幅截图所示的 Droplet 控制台左侧导航菜单上的 Access 选项卡登录到 Droplet。 单击“访问”，然后启动控制台。
 10.  将打开一个新的浏览器窗口，显示您的 Droplet 的 VNC 视图。 系统将要求您输入 Droplet 的用户名和密码。 您必须在此处使用的用户名是`root`。 可以在您已注册的电子邮件收件箱中找到该密码。
 11.  首次登录时，系统会要求您更改 Droplet 密码。 确保您选择一个强密码。
 

new/mobi-dl-tflite/10.md

@@ -133,7 +133,7 @@ Facebook 是一个流行的社交媒体平台，具有用于多个平台的专
 
 ![](img/4246b346-b4a9-4e99-998f-165343832c4e.png)
 
-5.  点击添加结算帐户。 如果有资格，您将被重定向到`GCP Free Trial`注册页面。 您可以在[这个页面](https://cloud.google.com/free/docs/gcp-free-tier)上了解有关免费试用的更多信息。 您应该看到类似于以下屏幕截图的屏幕：
+5.  点击“添加结算帐户”。 如果有资格，您将被重定向到`GCP Free Trial`注册页面。 您可以在[这个页面](https://cloud.google.com/free/docs/gcp-free-tier)上了解有关免费试用的更多信息。 您应该看到类似于以下屏幕截图的屏幕：
 
 ![](img/21a2e4df-0969-49e7-8de8-1a22a1415580.png)
 
@@ -154,12 +154,12 @@ Facebook 是一个流行的社交媒体平台，具有用于多个平台的专
 
 4.  填写必要的详细信息后，单击`CREATE`完成创建项目。 创建项目后，将带您到项目的仪表板。 在这里，您将能够查看与当前所选项目相关的一些基本日志记录和监视。 您可以在[这个页面](https://cloud.google.com/docs/overview)上了解有关 GCP 资源组织方式的更多信息。
 5.  在左侧导航窗格中，单击`Compute Engine`。 系统将提示您创建一个 VM 实例。
-6.  点击创建以显示 Compute Engine 实例创建表单。 根据需要填写表格。 我们假设您在创建实例时选择了 Ubuntu 18.04 LTS 发行版。
+6.  点击“创建”以显示 Compute Engine 实例创建表单。 根据需要填写表格。 我们假设您在创建实例时选择了 Ubuntu 18.04 LTS 发行版。
 7.  确保在防火墙设置中启用对 VM 实例的 HTTP 和 HTTPS 连接的访问​​，如以下屏幕快照所示：
 
 ![](img/4174ffef-0f01-46d5-986d-c4f9e2771301.png)
 
-8.  单击创建。 GCP 开始为您配置 VM 实例。 您将被带到 VM 实例管理页面。 您应该在此页面上看到您的 VM，如以下屏幕截图所示：
+8.  单击“创建”。 GCP 开始为您配置 VM 实例。 您将被带到 VM 实例管理页面。 您应该在此页面上看到您的 VM，如以下屏幕截图所示：
 
 ![](img/f78eee29-a5f1-487c-8a8f-cacb5faecbdd.png)
 
@@ -173,7 +173,7 @@ Facebook 是一个流行的社交媒体平台，具有用于多个平台的专
 
 首先调用 VM 的终端：
 
-1.  单击 VM 实例页面上的 SSH 按钮，以启动到 VM 的终端会话。
+1.  单击 VM 实例页面上的`SSH`按钮，以启动到 VM 的终端会话。
 
 2.  您应该看到终端会话开始，其中包含一些与系统有关的常规信息以及上次登录的详细信息，如以下屏幕截图所示：
 
@@ -441,7 +441,7 @@ Firebase 提供了可促进应用程序开发并帮助支持大量用户的工
 要创建 Firebase 项目，请执行以下步骤：
 
 1.  通过[这里](https://console.firebase.google.com)访问 Firebase 控制台。
-2.  单击添加项目以添加新的 Firebase 项目：
+2.  单击“添加项目”以添加新的 Firebase 项目：
 
 ![](img/6129c7ba-34a6-4883-a997-f124541face3.png)