Merge branch 'master' into master

README.md

@@ -20,12 +20,12 @@ API的改动不是很大，本教程已经通过测试，保证能够在1.0中
 [官方1.0说明](https://github.com/pytorch/pytorch/releases/tag/v1.0.0)
 [主要改动中文说明](changelog-v1.0.md)
 
-## QQ群
+## QQ群 (已升级2000人大群)
 群号：985896536
 
 扫描二维码
 
-![QR](PyTorch-Handbook-QR.png)
+![QR](PyTorch-Handbook-QR.png) 
 
 
 或

chapter2/2.1.4-pytorch-basics-data-lorder.ipynb

@@ -17,7 +17,7 @@
     {
      "data": {
       "text/plain": [
-       "'1.0.0'"
+       "'1.0.1.post2'"
       ]
      },
      "execution_count": 1,
@@ -39,7 +39,7 @@
     "## Dataset\n",
     "Dataset是一个抽象类, 为了能够方便的读取，需要将要使用的数据包装为Dataset类。\n",
     "自定义的Dataset需要继承它并且实现两个成员方法：\n",
-    "1. `__getitem__()` 该方法定义每次怎么获取数据\n",
+    "1. `__getitem__()` 该方法定义用索引(`0` 到 `len(self)`)获取一条数据或一个样本\n",
     "2. `__len__()` 该方法返回数据集的总长度\n",
     "\n",
     "下面我们使用kaggle上的一个竞赛[bluebook for bulldozers](https://www.kaggle.com/c/bluebook-for-bulldozers/data)自定义一个数据集，为了方便介绍，我们使用里面的数据字典来做说明（因为条数少）"
@@ -75,7 +75,7 @@
     "        return len(self.df)\n",
     "    def __getitem__(self, idx):\n",
     "        '''\n",
-    "        根据IDX返回一列数据\n",
+    "        根据 idx 返回一列数据\n",
     "        '''\n",
     "        return self.df.iloc[idx].SalePrice"
    ]
@@ -120,7 +120,7 @@
     }
    ],
    "source": [
-    "#实现了__len__ 方法所以可以直接使用len获取数据总数\n",
+    "#实现了 __len__ 方法所以可以直接使用len获取数据总数\n",
     "len(ds_demo)"
    ]
   },
@@ -141,7 +141,7 @@
     }
    ],
    "source": [
-    "#用索引可以直接访问对应的数据\n",
+    "#用索引可以直接访问对应的数据, 对应 __getitem__ 方法\n",
     "ds_demo[0]"
    ]
   },
@@ -167,7 +167,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "DataLoader返回的是一个迭代器，我们可以使用迭代器分次获取数据"
+    "DataLoader返回的是一个可迭代对象，我们可以使用迭代器分次获取数据"
    ]
   },
   {
@@ -193,7 +193,7 @@
    "cell_type": "markdown",
    "metadata": {},
    "source": [
-    "或者直接使用for循环对其进行遍历"
+    "常见的用法是使用for循环对其进行遍历"
    ]
   },
   {
@@ -213,7 +213,7 @@
    "source": [
     "for i, data in enumerate(dl):\n",
     "    print(i,data)\n",
-    "    #这里只循环一遍\n",
+    "    # 为了节约空间, 这里只循环一遍\n",
     "    break"
    ]
   },
@@ -300,7 +300,7 @@
    "source": [
     "from torchvision import transforms as transforms\n",
     "transform = transforms.Compose([\n",
-    "    transforms.RandomCrop(32, padding=4),  #先四周填充0，在吧图像随机裁剪成32*32\n",
+    "    transforms.RandomCrop(32, padding=4),  #先四周填充0，在把图像随机裁剪成32*32\n",
     "    transforms.RandomHorizontalFlip(),  #图像一半的概率翻转，一半的概率不翻转\n",
     "    transforms.RandomRotation((-45,45)), #随机旋转\n",
     "    transforms.ToTensor(),\n",
@@ -336,9 +336,9 @@
  ],
  "metadata": {
   "kernelspec": {
-   "display_name": "Pytorch for Deeplearning",
+   "display_name": "Python 3",
    "language": "python",
-   "name": "pytorch"
+   "name": "python3"
   },
   "language_info": {
    "codemirror_mode": {
@@ -350,7 +350,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.6.7"
+   "version": "3.6.8"
   }
  },
  "nbformat": 4,