[JA] Translations

site/ja/agents/overview.md

@@ -98,7 +98,7 @@ TF Agents には安定版とナイトリーリリースがあります。多く
 0.6.0 | [v0.6.0](https://github.com/tensorflow/agents/tree/v0.6.0) | 2.3.0 |
 0.5.0 | [v0.5.0](https://github.com/tensorflow/agents/tree/v0.5.0) | 2.2.0 |
 0.4.0 | [v0.4.0](https://github.com/tensorflow/agents/tree/v0.4.0) | 2.1.0 |
-0.3.0 | [v0.3.0](https://github.com/tensorflow/agents/tree/v0.3.0) | 1.15.0 および 2.0.0 |
+0.3.0 | [v0.3.0](https://github.com/tensorflow/agents/tree/v0.3.0) | 1.15.0 and 2.0.0. |
 
 <a id="Principles"></a>
 

site/ja/agents/tutorials/6_reinforce_tutorial.ipynb

@@ -40,10 +40,8 @@
         "# REINFORCE エージェント\n",
         "\n",
         "<table class=\"tfo-notebook-buttons\" align=\"left\">\n",
-        "  <td>     <a target=\"_blank\" href=\"https://www.tensorflow.org/agents/tutorials/6_reinforce_tutorial\">     <img src=\"https://www.tensorflow.org/images/tf_logo_32px.png\">     TensorFlow.org で表示</a>\n",
-        "</td>\n",
-        "  <td>     <a target=\"_blank\" href=\"https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/ja/agents/tutorials/6_reinforce_tutorial.ipynb\">     <img src=\"https://www.tensorflow.org/images/colab_logo_32px.png\">     Google Colab で実行</a>\n",
-        "</td>\n",
+        "  <td>     <a target=\"_blank\" href=\"https://www.tensorflow.org/agents/tutorials/6_reinforce_tutorial\">     <img src=\"https://www.tensorflow.org/images/tf_logo_32px.png\">     TensorFlow.org で表示</a> </td>\n",
+        "  <td>     <a target=\"_blank\" href=\"https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/ja/agents/tutorials/6_reinforce_tutorial.ipynb\">     <img src=\"https://www.tensorflow.org/images/colab_logo_32px.png\">     Google Colab で実行</a> </td>\n",
         "  <td><a target=\"_blank\" href=\"https://github.com/tensorflow/docs-l10n/blob/master/site/ja/agents/tutorials/6_reinforce_tutorial.ipynb\"><img src=\"https://www.tensorflow.org/images/GitHub-Mark-32px.png\">GitHub でソースを表示</a></td>\n",
         "  <td>     <a href=\"https://storage.googleapis.com/tensorflow_docs/docs-l10n/site/ja/agents/tutorials/6_reinforce_tutorial.ipynb\"><img src=\"https://www.tensorflow.org/images/download_logo_32px.png\">ノートブックをダウンロード</a>   </td>\n",
         "</table>"

site/ja/agents/tutorials/9_c51_tutorial.ipynb

@@ -40,10 +40,8 @@
         "# DQN C51/Rainbow\n",
         "\n",
         "<table class=\"tfo-notebook-buttons\" align=\"left\">\n",
-        "  <td>     <a target=\"_blank\" href=\"https://www.tensorflow.org/agents/tutorials/9_c51_tutorial\">     <img src=\"https://www.tensorflow.org/images/tf_logo_32px.png\">     TensorFlow.org で表示</a>\n",
-        "</td>\n",
-        "  <td>     <a target=\"_blank\" href=\"https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/ja/agents/tutorials/9_c51_tutorial.ipynb\">     <img src=\"https://www.tensorflow.org/images/colab_logo_32px.png\">     Google Colab で実行</a>\n",
-        "</td>\n",
+        "  <td>     <a target=\"_blank\" href=\"https://www.tensorflow.org/agents/tutorials/9_c51_tutorial\">     <img src=\"https://www.tensorflow.org/images/tf_logo_32px.png\">     TensorFlow.org で表示</a> </td>\n",
+        "  <td>     <a target=\"_blank\" href=\"https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/ja/agents/tutorials/9_c51_tutorial.ipynb\">     <img src=\"https://www.tensorflow.org/images/colab_logo_32px.png\">     Google Colab で実行</a> </td>\n",
         "  <td><a target=\"_blank\" href=\"https://github.com/tensorflow/docs-l10n/blob/master/site/ja/agents/tutorials/9_c51_tutorial.ipynb\"><img src=\"https://www.tensorflow.org/images/GitHub-Mark-32px.png\">GitHub でソースを表示</a></td>\n",
         "  <td>     <a href=\"https://storage.googleapis.com/tensorflow_docs/docs-l10n/site/ja/agents/tutorials/9_c51_tutorial.ipynb\"><img src=\"https://www.tensorflow.org/images/download_logo_32px.png\">ノートブックをダウンロード</a>   </td>\n",
         "</table>"

site/ja/community/sig_playbook.md

@@ -40,7 +40,7 @@ SIGの必要性が自明のように思われる場合でも、調査と協議
 
 - 明確な目的とTensorFlow（サブプロジェクトまたはアプリケーション分野のいずれか）に対する利点
 - グループのリーダーとして行動する2人以上の参加者、他の参加者、およびグループが必要とされる証拠
-- 最初に必要とされるリソース（通常、メーリングリストと通常のVCコール）
+- 最初に必要とされるリソース（通常、メーリングリストと通常のビデオ会議コール）
 
 グループの承認は、TFコミュニティチームが決定します。TFコミュニティチームは、tensorflow / communityプロジェクトのメンテナであると定義されています。チームは必要に応じて他の利害関係者と相談します。
 

site/ja/datasets/add_dataset.md

@@ -244,7 +244,7 @@ for filename, fobj in dl_manager.iter_archive('path/to/archive.zip'):
 
 #### データセットの分割を指定する
 
-データセットに事前定義済みの Split が含まれる場合（たとえば `MNIST` には `train` と `test` の Split が含まれます）、それらを維持してください。含まれない場合は、単一の `tfds.Split.TRAIN` Split のみを指定します。ユーザーは[サブスプリット API](https://www.tensorflow.org/datasets/splits) で独自のサブスプリットを動的に作成できます（`split='train[80%:]'` など）。
+データセットに事前定義済みの Split が含まれる場合（たとえば `MNIST` には `train` と `test` の Split が含まれます）、それらを維持してください。含まれない場合は、単一の `all` Split のみを指定します。ユーザーは[サブスプリット API](https://www.tensorflow.org/datasets/splits) で独自のサブスプリットを動的に作成できます（`split='train[80%:]'` など）。Split 名には、前述の `all` を除くすべての英字文字列を使用できることに注意してください。
 
 ```python
 def _split_generators(self, dl_manager):

site/ja/datasets/gcs.md

@@ -36,7 +36,7 @@ auth.authenticate_user()
 ローカルマシン（または VM）で実行する場合は、次のコードを実行することで、アカウントを使って認証することができます。
 
 ```shell
-gcloud login application-default
+gcloud auth application-default login
 ```
 
 サービスアカウントを使ってログインする場合は、JSON ファイル器をダウンロードし、次のように設定する必要があります。

site/ja/datasets/splits.md

@@ -1,6 +1,6 @@
 # Split とスライス
 
-すべての TFDS データセットは、さまざまなデータの Split（`'train'`、`'test'` など）を公開しており、[カタログ](https://www.tensorflow.org/datasets/catalog/overview)で閲覧することができるようになっています。
+すべての TFDS データセットは、[カタログ](https://www.tensorflow.org/datasets/catalog/overview)で詳しく見ることのできる様々なデータの Split（`'train'`、`'test'` など）を公開します。Split 名には、`all`（すべての Split の結合に対応する予約語。以下参照）を除く任意の英字の文字列を使用できます。
 
 TFDS では、「公式」のデータセットの Split に加え、Split のスライスやさまざまな組み合わせを選択することができます。
 
@@ -19,10 +19,10 @@ ds = builder.as_dataset(split='test+train[:75%]')
 
 Split には次のものがあります。
 
-- **プレーンな Split**（`'train'`、`'test'`）: 選択された Split 内のすべての Example。
+- **プレーンな Split 名**（`'train'`、`'test'` などの文字列）: 選択された Split 内のすべての Example。
 - **スライス**: スライスのセマンティックは[Python のスライス表記法](https://docs.python.org/3/library/stdtypes.html#common-sequence-operations)と同じです。スライスには次のものがあります。
-    - **全体的** (`'train[123:450]'`、`train[:4000]`): (読み取り順序に関する警告については、以下の注意事項を参照してください)
-    - **パーセント率**（`'train[:75%]'`、`'train[25%:75%]'`）: 全データを 100 個の均一なスライスに分けます。データを 100 で割り切れない場合は、一部の 100 分の 1 のスライスに追加の Example が含まれる場合があります。
+    - **絶対** (`'train[123:450]'`、`train[:4000]`): (読み取り順序に関する警告については、以下の注意事項を参照してください)
+    - **パーセント率**（`'train[:75%]'`、`'train[25%:75%]'`）: 全データを 100 個の均一なスライスに分けます。データを均等に割り切れない場合は、一部の 100 分の 1 のスライスに追加の Example が含まれる場合があります。小数点以下のパーセントはサポートされています。
     - **シャード**（`train[:4shard]`、`train[4shard]`）: リクエストされたシャードのすべての Example を選択します。（Split のシャード数を取得するには、`info.splits['train'].num_shards` を確認します。）
 - **Split の和集合**（`'train+test'`、`'train[:25%]+test'`）: Split は共にインターリーブされます。
 - **完全なデータセット** (`'all'`): `'all'` すべての Split の和集合に対応する特別な Split 名です ( `'train+test+...'` と同等)。
@@ -118,7 +118,7 @@ ds = tfds.load('my_dataset', split=split)
 - `%`: パーセント率スライス
 - `shard`: シャードスライス
 
-`tfds.ReadInstruction` には四捨五入の引数もあります。データセットの Example 数が `100` で均等に割り切れない場合は、次のようになります。
+`tfds.ReadInstruction` には四捨五入の引数もあります。データセットの Example 数が均等に割り切れない場合は、次のようになります。
 
 - `rounding='closest'`（デフォルト）: 残りの Example は、パーセント率で配分され、一部のパーセントに追加の Example が含まれることがあります。
 - `rounding='pct1_dropremainder'`: 残りの Example はドロップされますが、こうすることですべての 100 分の 1 スライスにまったく同じ数の Example が確実に含まれることになります（`len(5%) == 5 * len(1%)` など）。