MxNet -> MXNet (d2l-ai#631)

scape1989 · Feb 17, 2021 · 3b46b3a · 3b46b3a
1 parent b362eb7
commit 3b46b3a
Show file tree

Hide file tree

Showing 2 changed files with 4 additions and 4 deletions.
diff --git a/chapter_preface/index.md b/chapter_preface/index.md
@@ -80,11 +80,11 @@ d2l = sys.modules[__name__]
 ```
 
 :begin_tab:`mxnet`
-本书中的大部分代码都基于 Apache MxNet。MxNet 是深度学习的开源框架，是 AWS（Amazon Web 服务）以及许多学院和公司的首选选择。本书中的所有代码都通过了最新 MxNet 版本的测试。然而，由于深度学习的快速发展，一些代码
-*在未来版本的 MxNet 中可能无法正常工作。
+本书中的大部分代码都基于 Apache MXNet。MXNet 是深度学习的开源框架，是 AWS（Amazon Web 服务）以及许多学院和公司的首选选择。本书中的所有代码都通过了最新 MXNet 版本的测试。然而，由于深度学习的快速发展，一些代码
+*在未来版本的 MXNet 中可能无法正常工作。
 但是，我们计划保持在线版本最新。如果您遇到任何此类问题，请咨询 :ref:`chap_installation` 以更新您的代码和运行时环境。
 
-以下是我们如何从 MxNet 导入模块。
+以下是我们如何从 MXNet 导入模块。
 :end_tab:
 
 :begin_tab:`pytorch`

diff --git a/chapter_preliminaries/ndarray.md b/chapter_preliminaries/ndarray.md
@@ -3,7 +3,7 @@
 
 为了能够完成各种操作，我们需要某种方法来存储和操作数据。一般来说，我们需要进行两件重要的事情：（1）获取数据；（2）在数据进入计算机后对其进行处理。如果没有某种方法来存储数据，那么获取数据是没有意义的。我们先尝试一个合成数据。首先，我们介绍$n$维数组，也称为 *张量*（tensor）。
 
-如果你使用过 Python 中最广泛使用的科学计算包 NumPy，那么你会感觉很熟悉本部分。无论你使用哪个框架，它的 *张量类*（在 MxNet 中为 `ndarray`，在 PyTorch 和TensorFlow中为 `Tensor`）与 Numpy 的 `ndarray` 类似，但都比Numpy 的 `ndarray`多一些重要功能。首先，GPU 很好地支持加速计算，而 NumPy 仅支持 CPU 计算。其次，张量类支持自动微分。这些功能使得张量类更适合深度学习。除非另有说明，在整本书中所说的张量指的是张量类的实例。
+如果你使用过 Python 中最广泛使用的科学计算包 NumPy，那么你会感觉很熟悉本部分。无论你使用哪个框架，它的 *张量类*（在 MXNet 中为 `ndarray`，在 PyTorch 和TensorFlow中为 `Tensor`）与 Numpy 的 `ndarray` 类似，但都比Numpy 的 `ndarray`多一些重要功能。首先，GPU 很好地支持加速计算，而 NumPy 仅支持 CPU 计算。其次，张量类支持自动微分。这些功能使得张量类更适合深度学习。除非另有说明，在整本书中所说的张量指的是张量类的实例。
 
 
 ## 入门