diff --git a/new/pt-tut-17/00.md b/new/pt-tut-17/00.md
deleted file mode 100644
index c6e600d249d6bd2b6eaebcdbdc9c7529e8e87705..0000000000000000000000000000000000000000
--- a/new/pt-tut-17/00.md
+++ /dev/null
@@ -1,3 +0,0 @@
-# PyTorch 官方教程 1.7
-
-来源：
\ No newline at end of file
diff --git a/new/pt-tut-17/30.md b/new/pt-tut-17/30.md
index c781f9437e840fd896f8a2058a281ded209936a4..6cf9743ba4024567380a217eb5cc039110d67929 100644
--- a/new/pt-tut-17/30.md
+++ b/new/pt-tut-17/30.md
@@ -1,4 +1,4 @@
-# 从零开始的 NLP：使用序列到序列网络的翻译和注意力
+# 从零开始的 NLP：使用序列到序列网络和注意力的翻译
> 原文：
diff --git a/new/pt-tut-17/SUMMARY.md b/new/pt-tut-17/SUMMARY.md
index 87bb0fa0f22c59956d2abeb23a5e26f1a78bb507..9676310294fd5b1760296b11c062993737c249e7 100644
--- a/new/pt-tut-17/SUMMARY.md
+++ b/new/pt-tut-17/SUMMARY.md
@@ -1,70 +1,69 @@
-+ [PyTorch 官方教程 1.7](00.md)
++ [PyTorch 中文官方教程 1.7](README.md)
+ [学习 PyTorch](01.md)
-+ [PyTorch 深度学习：60 分钟的突击](02.md)
-+ [张量](03.md)
-+ [`torch.autograd`的简要介绍](04.md)
-+ [神经网络](05.md)
-+ [训练分类器](06.md)
-+ [通过示例学习 PyTorch](07.md)
-+ [热身：NumPy](08.md)
-+ [PyTorch：张量](09.md)
-+ [PyTorch：张量和 Autograd](10.md)
-+ [PyTorch：定义新的 Autograd 函数](11.md)
-+ [PyTorch：`nn`](12.md)
-+ [PyTorch：`optim`](13.md)
-+ [PyTorch：自定义`nn`模块](14.md)
-+ [PyTorch：控制流 + 权重共享](15.md)
-+ [`torch.nn`到底是什么？](16.md)
-+ [使用 TensorBoard 可视化模型，数据和训练](17.md)
+ + [PyTorch 深度学习：60 分钟的突击](02.md)
+ + [张量](03.md)
+ + [`torch.autograd`的简要介绍](04.md)
+ + [神经网络](05.md)
+ + [训练分类器](06.md)
+ + [通过示例学习 PyTorch](07.md)
+ + [热身：NumPy](08.md)
+ + [PyTorch：张量](09.md)
+ + [PyTorch：张量和 Autograd](10.md)
+ + [PyTorch：定义新的 Autograd 函数](11.md)
+ + [PyTorch：`nn`](12.md)
+ + [PyTorch：`optim`](13.md)
+ + [PyTorch：自定义`nn`模块](14.md)
+ + [PyTorch：控制流 + 权重共享](15.md)
+ + [`torch.nn`到底是什么？](16.md)
+ + [使用 TensorBoard 可视化模型，数据和训练](17.md)
+ [图片/视频](18.md)
-+ [`torchvision`对象检测微调教程](19.md)
-+ [计算机视觉的迁移学习教程](20.md)
-+ [对抗示例生成](21.md)
-+ [DCGAN 教程](22.md)
+ + [`torchvision`对象检测微调教程](19.md)
+ + [计算机视觉的迁移学习教程](20.md)
+ + [对抗示例生成](21.md)
+ + [DCGAN 教程](22.md)
+ [音频](23.md)
-+ [音频 I/O 和`torchaudio`的预处理](24.md)
-+ [使用`torchaudio`的语音命令识别](25.md)
+ + [音频 I/O 和`torchaudio`的预处理](24.md)
+ + [使用`torchaudio`的语音命令识别](25.md)
+ [文本](26.md)
-+ [使用`nn.Transformer`和`torchtext`的序列到序列建模](27.md)
-+ [从零开始的 NLP：使用字符级 RNN 分类名称](28.md)
-+ [从零开始的 NLP：使用字符级 RNN 生成名称](29.md)
-+ [从零开始的 NLP：使用序列到序列网络的翻译和注意力](30.md)
-+ [使用`torchtext`的文本分类](31.md)
-+ [`torchtext`语言翻译](32.md)
+ + [使用`nn.Transformer`和`torchtext`的序列到序列建模](27.md)
+ + [从零开始的 NLP：使用字符级 RNN 分类名称](28.md)
+ + [从零开始的 NLP：使用字符级 RNN 生成名称](29.md)
+ + [从零开始的 NLP：使用序列到序列网络和注意力的翻译](30.md)
+ + [使用`torchtext`的文本分类](31.md)
+ + [`torchtext`语言翻译](32.md)
+ [强化学习](33.md)
-+ [强化学习（DQN）教程](34.md)
-+ [训练玩马里奥的 RL 智能体](35.md)
+ + [强化学习（DQN）教程](34.md)
+ + [训练玩马里奥的 RL 智能体](35.md)
+ [在生产中部署 PyTorch 模型](36.md)
-+ [通过使用 Flask 的 REST API 在 Python 中部署 PyTorch](37.md)
-+ [TorchScript 简介](38.md)
-+ [在 C++ 中加载 TorchScript 模型](39.md)
-+ [将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）](40.md)
+ + [通过使用 Flask 的 REST API 在 Python 中部署 PyTorch](37.md)
+ + [TorchScript 简介](38.md)
+ + [在 C++ 中加载 TorchScript 模型](39.md)
+ + [将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）](40.md)
+ [前端 API](41.md)
-+ [PyTorch 中的命名张量简介（原型）](42.md)
-+ [PyTorch 中通道在最后的内存格式（beta）](43.md)
-+ [使用 PyTorch C++ 前端](44.md)
-+ [自定义 C++ 和 CUDA 扩展](45.md)
-+ [使用自定义 C++ 运算符扩展 TorchScript](46.md)
-+ [使用自定义 C++ 类扩展 TorchScript](47.md)
-+ [TorchScript 中的动态并行性](48.md)
-+ [C++ 前端中的 Autograd](49.md)
-+ [在 C++ 中注册调度运算符](50.md)
+ + [PyTorch 中的命名张量简介（原型）](42.md)
+ + [PyTorch 中通道在最后的内存格式（beta）](43.md)
+ + [使用 PyTorch C++ 前端](44.md)
+ + [自定义 C++ 和 CUDA 扩展](45.md)
+ + [使用自定义 C++ 运算符扩展 TorchScript](46.md)
+ + [使用自定义 C++ 类扩展 TorchScript](47.md)
+ + [TorchScript 中的动态并行性](48.md)
+ + [C++ 前端中的 Autograd](49.md)
+ + [在 C++ 中注册调度运算符](50.md)
+ [模型优化](51.md)
-+ [分析您的 PyTorch 模块](52.md)
-+ [使用 Ray Tune 的超参数调整](53.md)
-+ [模型剪裁教程](54.md)
-+ [LSTM 单词语言模型上的动态量化（beta）](55.md)
-+ [BERT 上的动态量化（Beta）](56.md)
-+ [PyTorch 中使用 Eager 模式的静态量化（beta）](57.md)
-+ [计算机视觉的量化迁移学习教程（beta）](58.md)
+ + [分析您的 PyTorch 模块](52.md)
+ + [使用 Ray Tune 的超参数调整](53.md)
+ + [模型剪裁教程](54.md)
+ + [LSTM 单词语言模型上的动态量化（beta）](55.md)
+ + [BERT 上的动态量化（Beta）](56.md)
+ + [PyTorch 中使用 Eager 模式的静态量化（beta）](57.md)
+ + [计算机视觉的量化迁移学习教程（beta）](58.md)
+ [并行和分布式训练](59.md)
-+ [PyTorch 分布式概述](60.md)
-+ [单机模型并行最佳实践](61.md)
-+ [分布式数据并行入门](62.md)
-+ [用 PyTorch 编写分布式应用](63.md)
-+ [分布式 RPC 框架入门](64.md)
-+ [使用分布式 RPC 框架实现参数服务器](65.md)
-+ [使用 RPC 的分布式管道并行化](66.md)
-+ [使用异步执行实现批量 RPC 处理](67.md)
-+ [将分布式`DataParallel`与分布式 RPC 框架相结合](68.md)
-+ [PyTorch 中文官方教程 1.7](README.md)
\ No newline at end of file
+ + [PyTorch 分布式概述](60.md)
+ + [单机模型并行最佳实践](61.md)
+ + [分布式数据并行入门](62.md)
+ + [用 PyTorch 编写分布式应用](63.md)
+ + [分布式 RPC 框架入门](64.md)
+ + [使用分布式 RPC 框架实现参数服务器](65.md)
+ + [使用 RPC 的分布式管道并行化](66.md)
+ + [使用异步执行实现批量 RPC 处理](67.md)
+ + [将分布式`DataParallel`与分布式 RPC 框架相结合](68.md)