diff --git a/chapter1/2_autograd_tutorial.ipynb b/chapter1/2_autograd_tutorial.ipynb
index e1d72d69..21924ea4 100644
--- a/chapter1/2_autograd_tutorial.ipynb
+++ b/chapter1/2_autograd_tutorial.ipynb
@@ -32,7 +32,7 @@
     "``torch.Tensor``是这个包的核心类.如果设置\n",
     "``.requires_grad`` 为 ``True``, 那么将会追踪多有对于该张量的操作. \n",
     "当完成计算后通过调用 ``.backward()``会自动计算所有的梯度.\n",
-    "这个张量的所有提多将会自动积累到 ``.grad`` 属性.\n",
+    "这个张量的所有梯度将会自动积累到 ``.grad`` 属性.\n",
     "\n",
     "要阻止张量跟踪历史记录，可以调用``.detach（）``方法将其与计算历史记录分离，并禁止跟踪它将来的计算记录。\n",
     "\n",
diff --git a/chapter1/5_data_parallel_tutorial.ipynb b/chapter1/5_data_parallel_tutorial.ipynb
index 1fd07b81..55a763fc 100644
--- a/chapter1/5_data_parallel_tutorial.ipynb
+++ b/chapter1/5_data_parallel_tutorial.ipynb
@@ -33,7 +33,7 @@
     "\n",
     "    mytensor = my_tensor.to(device)\n",
     "```\n",
-    "请注意,只调用``my_tensor.to(device)``并没有复制张量到GPU上,二十返回了一个copy。所以你需要把它赋值给一个新的张量并在GPU上使用这个张量。\n",
+    "请注意,只调用``my_tensor.to(device)``并没有复制张量到GPU上,而是返回了一个copy。所以你需要把它赋值给一个新的张量并在GPU上使用这个张量。\n",
     "\n",
     "在多GPU上执行前向和反向传播是自然而然的事。\n",
     "但是PyTorch默认将只是用一个GPU。\n",