[polish] chapter appendix tool peer review (d2l-ai#1024)

* appendix tool soft polish

* appendix tool soft polish

* contribute image translate

chapter_appendix-tools-for-deep-learning/aws.md

@@ -13,7 +13,7 @@
 
 登录到你的aws账户后，单击“EC2”（在 :numref:`fig_aws`中用红色方框标记）进入EC2面板。
 
-![打开EC2控制台。](../img/aws.png)
+![打开EC2控制台](../img/aws.png)
 :width:`400px`
 :label:`fig_aws`
 
@@ -28,9 +28,9 @@
 
 ### 增加限制
 
-在选择实例之前，请点击:numref:`fig_ec2`所示左侧栏中的“Limits”（限制）标签查看是否有数量限制。 :numref:`fig_limits`显示了此类限制的一个例子。账号目前无法按地域打开p2.xlarge实例。如果你需要打开一个或多个实例，请点击“Request limit increase”（请求增加限制）链接，申请更高的实例配额。一般来说，需要一个工作日的时间来处理申请。
+在选择实例之前，请点击 :numref:`fig_ec2`所示左侧栏中的“Limits”（限制）标签查看是否有数量限制。 :numref:`fig_limits`显示了此类限制的一个例子。账号目前无法按地域打开p2.xlarge实例。如果你需要打开一个或多个实例，请点击“Request limit increase”（请求增加限制）链接，申请更高的实例配额。一般来说，需要一个工作日的时间来处理申请。
 
-![实例数量限制。](../img/limits.png)
+![实例数量限制](../img/limits.png)
 :width:`700px`
 :label:`fig_limits`
 
@@ -40,7 +40,7 @@
 
 我们首先选择一个合适的Amazon机器映像（Amazon Machine Image，AMI）。在搜索框中输入“ubuntu”（ :numref:`fig_ubuntu`中的红色框标记）。
 
-![选择一个AMI。](../img/ubuntu-new.png)
+![选择一个AMI](../img/ubuntu-new.png)
 :width:`700px`
 :label:`fig_ubuntu`
 
@@ -51,43 +51,43 @@ EC2提供了许多不同的实例配置可供选择。对于初学者来说，
 | Name | GPU         | Notes                         |
 |------|-------------|-------------------------------|
 | g2   | Grid K520   | 过时的                         |
-| p2   | Kepler K80  | 旧的但Spot实例通常很便宜         |
+| p2   | Kepler K80  | 旧的GPU但Spot实例通常很便宜         |
 | g3   | Maxwell M60 | 好的平衡                       |
 | p3   | Volta V100  | FP16的高性能                   |
 | g4   | Turing T4   | FP16/INT8推理优化              |
 :label:`tab_ec2`
 
 所有这些服务器都有多种类型，显示了使用的GPU数量。例如，p2.xlarge有1个GPU，而p2.16xlarge有16个GPU和更多内存。有关更多详细信息，请参阅[Amazon EC2 文档](https://aws.amazon.com/ec2/instance-types/)。
 
-![选择一个实例。](../img/p2x.png)
+![选择一个实例](../img/p2x.png)
 :width:`700px`
 :label:`fig_p2x`
 
 注意，你应该使用支持GPU的实例以及合适的驱动程序和支持GPU的深度学习框架。否则，你将感受不到使用GPU的任何好处。
 
 到目前为止，我们已经完成了启动EC2实例的七个步骤中的前两个步骤，如 :numref:`fig_disk`顶部所示。在本例中，我们保留“3. Configure Instance”（3. 配置实例）、“5. Add Tags”（5. 添加标签）和“6. Configure Security Group”（6. 配置安全组）步骤的默认配置。点击“4.添加存储”并将默认硬盘大小增加到64GB( :numref:`fig_disk`中的红色框标记)。请注意，CUDA本身已经占用了4GB空间。
 
-![修改硬盘大小。](../img/disk.png)
+![修改硬盘大小](../img/disk.png)
 :width:`700px`
 :label:`fig_disk`
 
-最后，进入“7. Review”（7. 查看），点击“Launch”（启动），即可启动配置好的实例。系统现在将提示你选择用于访问实例的密钥对。如果您没有密钥对，请在 :numref:`fig_keypair`的第一个下拉菜单中选择“Create a new key pair”（新建密钥对），即可生成密钥对。之后，你可以在此菜单中选择“Choose an existing key pair”（选择现有密钥对），然后选择之前生成的密钥对。单击“Launch Instances”（启动实例）即可启动创建的实例。
+最后，进入“7. Review”（7. 查看），点击“Launch”（启动），即可启动配置好的实例。系统现在将提示你选择用于访问实例的密钥对。如果你没有密钥对，请在 :numref:`fig_keypair`的第一个下拉菜单中选择“Create a new key pair”（新建密钥对），即可生成密钥对。之后，你可以在此菜单中选择“Choose an existing key pair”（选择现有密钥对），然后选择之前生成的密钥对。单击“Launch Instances”（启动实例）即可启动创建的实例。
 
-![选择一个密钥对。](../img/keypair.png)
+![选择一个密钥对](../img/keypair.png)
 :width:`500px`
 :label:`fig_keypair`
 
 如果生成了新密钥对，请确保下载密钥对并将其存储在安全位置。这是你通过SSH连接到服务器的唯一方式。单击 :numref:`fig_launching`中显示的实例ID可查看该实例的状态。
 
-![单击实例ID。](../img/launching.png)
+![单击实例ID](../img/launching.png)
 :width:`700px`
 :label:`fig_launching`
 
 ### 连接到实例
 
 如 :numref:`fig_connect`所示，实例状态变为绿色后，右键单击实例，选择`Connect`（连接）查看实例访问方式。
 
-![查看实例访问方法。](../img/connect.png)
+![查看实例访问方法](../img/connect.png)
 :width:`700px`
 :label:`fig_connect`
 
@@ -97,7 +97,7 @@ EC2提供了许多不同的实例配置可供选择。对于初学者来说，
 chmod 400 D2L_key.pem
 ```
 
-![查看实例访问和启动方法。](../img/chmod.png)
+![查看实例访问和启动方法](../img/chmod.png)
 :width:`400px`
 :label:`fig_chmod`
 
@@ -107,7 +107,7 @@ chmod 400 D2L_key.pem
 ssh -i "D2L_key.pem" [email protected]
 ```
 
-当命令行提示“Are you sure you want to continue connecting (yes/no)”时，输入“yes”并按回车键登录实例。
+当命令行提示“Are you sure you want to continue connecting (yes/no)”（“你确定要继续连接吗？（是/否）”）时，输入“yes”并按回车键登录实例。
 
 你的服务器现在已就绪。
 
@@ -121,14 +121,14 @@ sudo apt-get update && sudo apt-get install -y build-essential git libgfortran3
 
 我们在这里下载CUDA 10.1。访问NVIDIA的[官方存储库](https://developer.nvidia.com/cuda-toolkit-archive) 以找到下载链接，如 :numref:`fig_cuda`中所示。
 
-![查找CUDA 10.1下载地址。](../img/cuda101.png)
+![查找CUDA 10.1下载地址](../img/cuda101.png)
 :width:`500px`
 :label:`fig_cuda`
 
 将说明复制粘贴到终端上，以安装CUDA 10.1。
 
 ```bash
-# 链接和文件名可能会发生更改
+# 链接和文件名可能会发生更改，以NVIDIA的官方为准
 wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
 sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
 wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda-repo-ubuntu1804-10-1-local-10.1.243-418.87.00_1.0-1_amd64.deb
@@ -159,7 +159,7 @@ echo "export LD_LIBRARY_PATH=\${LD_LIBRARY_PATH}:/usr/local/cuda/lib64" >> ~/.ba
 
 ## 远程运行Jupyter笔记本
 
-要远程运行Jupyter笔记本，你需要使用SSH端口转发。毕竟，云中的服务器没有显示器或键盘。为此，请从你的台式机（或笔记本电脑）登录到您的服务器，如下所示：
+要远程运行Jupyter笔记本，你需要使用SSH端口转发。毕竟，云中的服务器没有显示器或键盘。为此，请从你的台式机（或笔记本电脑）登录到你的服务器，如下所示：
 
 ```
 # 此命令必须在本地命令行中运行
@@ -175,7 +175,7 @@ jupyter notebook
 
 :numref:`fig_jupyter`显示了运行Jupyter笔记本后可能的输出。最后一行是端口8888的URL。
 
-![运行Jupyter Notebook后的输出。最后一行是端口8888的URL。](../img/jupyter.png)
+![运行Jupyter Notebook后的输出（最后一行是端口8888的URL）](../img/jupyter.png)
 :width:`700px`
 :label:`fig_jupyter`
 
@@ -188,7 +188,7 @@ jupyter notebook
 * “Stopping”（停止）实例意味着你可以重新启动它。这类似于关闭常规服务器的电源。但是，停止的实例仍将按保留的硬盘空间收取少量费用。
 * “Terminating”（终止）实例将删除与其关联的所有数据。这包括磁盘，因此你不能再次启动它。只有在你知道将来不需要它的情况下才这样做。
 
-如果你想要将该实例用作更多实例的模板，请右击 :numref:`fig_connect`中的例子，然后选择“Image”$\rightarrow$“Create”以创建该实例的镜像。完成后，选择“实例状态”$\rightarrow$“终止”以终止实例。下次要使用此实例时，可以按照本节中的步骤基于保存的镜像创建实例。唯一的区别是，在:numref:`fig_ubuntu`所示的“1.选择AMI”中，你必须使用左侧的“我的AMI”选项来选择你保存的镜像。创建的实例将保留镜像硬盘上存储的信息。例如，你不必重新安装CUDA和其他运行时环境。
+如果你想要将该实例用作更多实例的模板，请右击 :numref:`fig_connect`中的例子，然后选择“Image”$\rightarrow$“Create”以创建该实例的镜像。完成后，选择“实例状态”$\rightarrow$“终止”以终止实例。下次要使用此实例时，可以按照本节中的步骤基于保存的镜像创建实例。唯一的区别是，在 :numref:`fig_ubuntu`所示的“1.选择AMI”中，你必须使用左侧的“我的AMI”选项来选择你保存的镜像。创建的实例将保留镜像硬盘上存储的信息。例如，你不必重新安装CUDA和其他运行时环境。
 
 ## 小结
 

chapter_appendix-tools-for-deep-learning/contributing.md

@@ -1,56 +1,97 @@
 # 为本书做贡献
 :label:`sec_how_to_contribute`
 
-[读者们](https://github.com/d2l-ai/d2l-en/graphs/contributors)的投稿帮助我们改进了这本书。如果你发现笔误、无效的链接、一些你认为我们遗漏了引文的地方，代码看起来不优雅，或者解释不清楚的地方，请回复我们以帮助读者。虽然在常规书籍中，两次印刷之间的间隔（即修订笔误的间隔）可以用几年来衡量，但这本书的改进通常需要几个小时到几天的时间。由于版本控制和持续集成（CI）测试，这一切都是可能的。为此，你需要向gihub存储库提交一个[pull request](https://github.com/d2l-ai/d2l-en/pulls)。当你的pull请求被作者合并到代码库中时，你将成为贡献者。
+读者们的投稿大大帮助我们改进了本书的质量。
+如果你发现笔误、无效的链接、一些你认为我们遗漏了引文的地方，
+代码看起来不优雅，或者解释不清楚的地方，请回复我们以帮助读者。
+在常规书籍中，两次印刷之间的间隔（即修订笔误的间隔）常常需要几年，
+但这本书的改进通常需要几个小时到几天的时间。
+由于版本控制和持续自动集成（CI）测试，这一切颇为高效。
+为此，你需要向gihub存储库提交一个
+[pull request](https://github.com/d2l-ai/d2l-en/pulls)。
+当你的pull请求被作者合并到代码库中时，
+你将成为[贡献者](https://github.com/d2l-ai/d2l-en/graphs/contributors)。
 
 ## 提交微小更改
 
-最常见的贡献是编辑一句话或修正笔误。我们建议你在[GitHub存储库](https://github.com/d2l-ai/d2l-en)中查找源文件，以定位源文件（一个markdown文件）。然后单击右上角的“Edit this file”按钮，在markdown文件中进行更改。
+最常见的贡献是编辑一句话或修正笔误。
+我们建议你在[GitHub存储库](https://github.com/d2l-ai/d2l-en)
+中查找源文件，以定位源文件（一个markdown文件）。
+然后单击右上角的“Edit this file”按钮，在markdown文件中进行更改。
 
-![在Github上编辑文件。](../img/edit-file.png)
+![在Github上编辑文件](../img/edit-file.png)
 :width:`300px`
 :label:`fig_edit_file`
 
-完成后，在页面底部的“Propose file change”面板中填写更改说明，然后单击“Propose file change”按钮。它会重定向到新页面以查看你的更改（ :numref:`fig_git_createpr`）。如果一切正常，你可以通过点击“Create pull request”按钮提交pull请求。
+完成后，在页面底部的“Propose file change”（“提交文件修改”）
+面板中填写更改说明，然后单击“Propose file change”按钮。
+它会重定向到新页面以查看你的更改（ :numref:`fig_git_createpr`）。
+如果一切正常，你可以通过点击“Create pull request”按钮提交pull请求。
 
-## 提出重大更改
+## 大量文本或代码修改
 
-如果你计划修改大量文本或代码，那么你需要更多地了解本书使用的格式。源文件基于[markdown格式](https://daringfireball.net/projects/markdown/syntax)，并通过[d2lbook](http://book.d2l.ai/user/markdown.html)包提供了一组扩展，例如引用公式、图像、章节和引文。你可以使用任何markdown编辑器打开这些文件并进行更改。
+如果你计划修改大量文本或代码，那么你需要更多地了解本书使用的格式。
+源文件基于[markdown格式](https://daringfireball.net/projects/markdown/syntax)，
+并通过[d2lbook](http://book.d2l.ai/user/markdown.html)包提供了一组扩展，
+例如引用公式、图像、章节和引文。
+你可以使用任何markdown编辑器打开这些文件并进行更改。
 
-如果你想要更改代码，我们建议你使用Jupyter Notebook打开这些标记文件，如 :numref:`sec_jupyter`中所述。这样你就可以运行并测试您的更改。请记住在提交更改之前清除所有输出，我们的CI系统将执行你更新的部分以生成输出。
+如果你想要更改代码，我们建议你使用Jupyter Notebook打开这些标记文件，
+如 :numref:`sec_jupyter`中所述。
+这样你就可以运行并测试你的更改。
+请记住在提交更改之前清除所有输出，我们的CI系统将执行你更新的部分以生成输出。
 
-某些部分可能支持多个框架实现。如果您添加的新代码块不是使用mxnet，请使用`#@tab` 来标记代码块的起始行。例如`#@tab pytorch`用于一个PyTorch代码块, `#@tab tensorflow`用于一个TensorFlow代码块，或者`#@tab all`是所有实现的共享代码块。 你可以参考[`d2lbook`](http://book.d2l.ai/user/code_tabs.html)包了解更多信息。
+某些部分可能支持多个框架实现。如果你添加的新代码块不是使用mxnet，
+请使用`#@tab`来标记代码块的起始行。
+例如`#@tab pytorch`用于一个PyTorch代码块，
+`#@tab tensorflow`用于一个TensorFlow代码块，
+或者`#@tab all`是所有实现的共享代码块。
+你可以参考[d2lbook](http://book.d2l.ai/user/code_tabs.html)包了解更多信息。
 
 ## 提交主要更改
 
-我们建议你使用标准的Git流程提交重大更改。简而言之，该过程的工作方式如 :numref:`fig_contribute`中所述。
+我们建议你使用标准的Git流程提交大量修改。
+简而言之，该过程的工作方式如 :numref:`fig_contribute`中所述。
 
-![为这本书作贡献。](../img/contribute.svg)
+![为这本书作贡献](../img/contribute.svg)
 :label:`fig_contribute`
 
-我们将向你详细介绍这些步骤。如果你已经熟悉Git，可以跳过本部分。在介绍时，我们假设贡献者的用户名为“astonzhang”。
+我们将向你详细介绍这些步骤。
+如果你已经熟悉Git，可以跳过本部分。
+在介绍时，我们假设贡献者的用户名为“astonzhang”。
 
 ### 安装Git
 
-Git开源书籍描述了[如何安装git](https://git-scm.com/book/en/v2)。这通常通过Ubuntu Linux上的`apt install git`、在MacOS上安装Xcode开发人员工具或使用gihub的[桌面客户端](https://desktop.github.com)来实现。如果你没有GitHub帐户，则需要注册一个帐户。
+Git开源书籍描述了[如何安装git](https://git-scm.com/book/en/v2)。
+这通常通过Ubuntu Linux上的`apt install git`，
+在MacOS上安装Xcode开发人员工具或使用gihub的
+[桌面客户端](https://desktop.github.com)来实现。
+如果你没有GitHub帐户，则需要注册一个帐户。
 
 ### 登录GitHub
 
-在浏览器中输入本书代码存储库的[地址](https://github.com/d2l-ai/d2l-en/)。单击 :numref:`fig_git_fork`右上角红色框中的`Fork`按钮，以复制本书的存储库。现在这是你的副本，你可以随心所欲地更改它。
+在浏览器中输入本书代码存储库的[地址](https://github.com/d2l-ai/d2l-en/)。
+单击 :numref:`fig_git_fork`右上角红色框中的`Fork`按钮，以复制本书的存储库。
+这将是你的副本，你可以随心所欲地更改它。
 
-![代码存储库页面。](../img/git-fork.png)
+![代码存储库页面](../img/git-fork.png)
 :width:`700px`
 :label:`fig_git_fork`
 
-现在，本书的代码库将被分叉（即复制）到你的用户名，例如`astonzhang/d2l-en`显示在 :numref:`fig_git_forked`的左上角。
+现在，本书的代码库将被分叉（即复制）到你的用户名，
+例如`astonzhang/d2l-en`显示在 :numref:`fig_git_forked`的左上角。
 
-![分叉代码存储库。](../img/git-forked.png)
+![分叉代码存储库](../img/git-forked.png)
 :width:`700px`
 :label:`fig_git_forked`
 
 ### 克隆存储库
 
-要克隆存储库（即制作本地副本），我们需要获取其存储库地址。点击 :numref:`fig_git_clone`中的绿色按钮显示此信息。如果你决定将此分支保留更长时间，请确保你的本地副本与主存储库保持最新。现在，只需按照 :ref:`chap_installation`中的说明开始。主要区别在于，你现在下载的是你自己的存储库分支。
+要克隆存储库（即制作本地副本），我们需要获取其存储库地址。
+点击 :numref:`fig_git_clone`中的绿色按钮显示此信息。
+如果你决定将此分支保留更长时间，请确保你的本地副本与主存储库保持最新。
+现在，只需按照 :ref:`chap_installation`中的说明开始。
+主要区别在于，你现在下载的是你自己的存储库分支。
 
 ![克隆存储库](../img/git-clone.png)
 :width:`700px`

chapter_appendix-tools-for-deep-learning/d2l.md

@@ -1,7 +1,7 @@
 # `d2l` API 文档
 :label:`sec_d2l`
 
-`d2l`包以下成员的实现及其定义和解释部分可在[源文件]](https://github.com/d2l-ai/d2l-en/tree/master/d2l)中找到。
+`d2l`包以下成员的实现及其定义和解释部分可在[源文件](https://github.com/d2l-ai/d2l-en/tree/master/d2l)中找到。
 
 
 :begin_tab:`mxnet`

chapter_appendix-tools-for-deep-learning/index.md

@@ -1,7 +1,8 @@
 # 附录：深度学习工具
 :label:`chap_appendix_tools`
 
-为了充分利用 *动手学深度学习*，我们将在本附录中介绍不同工具，例如运行这本交互式开源书籍和为本书做贡献。
+为了充分利用《动手学深度学习》，我们将在本附录中介绍不同工具，
+例如如何运行这本交互式开源书籍和为本书做贡献。
 
 ```toc
 :maxdepth: 2