“如果想避免这个临时内存开销，我们可以使用运算符全名函数中的out参数。”
tf.add没有out参数，请确定：）

10.3word2vec-tensorflow2.md里面的第三块‘读取数据’ `构造的Dataset类为什么继承的父类是torch模块里的，另外文章里也并没有引入torch模块，而且这应该是由tensorflow2实现的，不应该使用torch模块吧

3.11.4.1 生成数据集
该小节，torch库在前面没有 导入，我是在本地安装了Pytorch，然后import torch，就可以成功了。

n_train, n_test, true_w, true_b = 100, 100, [1.2, -3.4, 5.6], 5
features = torch.randn((n_train + n_test, 1))
poly_features = torch.cat((features, torch.pow(features, 2), torch.pow(features, 3)), 1)
labels = (true_w[0] * poly_features[:, 0] + true_w[1] * poly_features[:, 1]
+ true_w[2] * poly_features[:, 2] + true_b)
labels += torch.tensor(np.random.normal(0, 0.01, size=labels.size()), dtype=torch.float)

简洁实现那里，train_pytorch_ch7中的pytorch应该是tensorflow2
还有函数定义中的trainer是指的trainer_name吗？

缺失章节“机器翻译”

        if trainer is None:

            sample_grads = grads
            params[0].assign_sub(grads[0] * lr)
            params[1].assign_sub(grads[1] * lr)

为什么params只更新0,1，不应该是
for (i,param) in enumerate(params):
params[i].assign_sub(grads[i]*lr)

3.15.2还是针对PyTorch的，未针对tf作修改，可以去了解一下tf2.0的初始化策略然后更新一下

IndentationError: expected an indented block

test-rgb2label.pdf
The result for [0,0,128] should be labeled as 4, but got the 0. Hope to get your reply, thank you!
The input image from VOC2012\SegmentationClass\2007_000061.png

多余代码

• 第一行代码多余，可以删去；
• for 循环中的 x 原书为 大写 X；
• 原书代码结尾有 break，这样只会输出一个，可以减少该代码输出后所在内容篇幅。

# dataset=tf.data.Dataset.from_tensor_slices((features,labels))
train_db = tf.data.Dataset.from_tensor_slices((features, labels)).batch(10)
for(x,y) in train_db:
    print(x,y)

为划分标题

该章节目前没有划分小标题。

章节优化器和损失函数在同一章节划分

可以和原书一致，将损失函数和优化器分别定义使用。

学习率数值

下面代码原书的学习率采取为 0.03 。

model.compile(optimizer=tf.keras.optimizers.SGD(0.01),
              loss='mse')

大部分段落没有句号

最后多余一个代码块

文章结尾多余一个代码块

n_train = train_data.shape[0]
train_features = torch.tensor(all_features[:n_train].values, dtype=torch.float)
test_features = torch.tensor(all_features[n_train:].values, dtype=torch.float)
train_labels = torch.tensor(train_data.SalePrice.values, dtype=torch.float).view(-1, 1)

3.12.4描述与小结与代码内容不符，描述与小结为pytorch版的，望进行修改，谢谢！ @archersama

如题

最后一个例子使用了padding='same', strides=2。理论上在kernel_shape=(3,3) 的情况下same padding就是在图像外面围一圈0。
然后再做strides=2的max_pooling。这个时候结果不应该是5 7 13 15么？为什么最后的结果是10 11 14 15？

Hi 各位，

感谢将D2L翻译到TensorFlow。目前我们在着手在d2l.ai的英文版里面加入tensorflow和pytorch的实现。现在的pytorch版的一个demo在http://pytorch.d2l.ai.s3-website-us-west-2.amazonaws.com/chapter_preface/index.html 和 http://pytorch.d2l.ai.s3-website-us-west-2.amazonaws.com/chapter_linear-networks/linear-regression-scratch.html，代码在 https://github.com/d2l-ai/d2l-en/tree/pytorch 不知道你有没有兴趣来贡献tensorflow的实现。

（我之前发过信到各位的pku邮箱，各位可能没注意）

建议写成迭代器形式，现在的随机抽选，不是选择所有样本

原文中为return corr2d(inputs, self.w + self.b)，而实际上应该是return corr2d(inputs, self.w) + self.b

文本情感分类：使用循环神经网络和文本情感分类：使用卷积神经网络textcnn，两个章节缺失了。。。

导入库缺失，项目代码也没有code，请问哪里可以获取，只发现utils.py含有相关代码

https://trickygo.github.io/Dive-into-DL-TensorFlow2.0/#/chapter04_DL-computation/4.3_deferred-init

2021年2月16日 11点，提示404 - Not found

3.12 权重衰减
4.3 模型参数的延后初始化

6.4网页版和github上面的结果不一致，代码一致，疑惑，另外6.3vocab_size实际2582，网页版和github上面是1027，如果上述有描述错误，望指教。

Dive-into-DL-TensorFlow2.0

感觉有些地方都没改正过来 新手看的一头雾水 建议再好好完善一下

with tf.GradientTape(persistent=True) as g:
    g.watch(x)
    y = x * x
    z = y * y
    dz_dx = g.gradient(z, x)  # 108.0 (4*x^3 at x = 3)
    dy_dx = g.gradient(y, x)  # 6.0
dz_dx,dy_dx

需要改为：

with tf.GradientTape(persistent=True) as g:
    g.watch(x)
    y = x * x
    z = y * y
dz_dx = g.gradient(z, x)  # 108.0 (4*x^3 at x = 3)
dy_dx = g.gradient(y, x)  # 6.0
dz_dx,dy_dx

去掉device后报错：

1. 需要将一些专有名词规范话，例如：

• tensorflow or Tensorflow
• tensor or Tensor

2. 单词与汉字之间，数字与汉字之间是否要保留空格，例如：

• Tensorflow是一个 or Tensorflow 是一个

3. 行内代码是否要专门括起来，原书是括起来的，例如：

• tensor or tensor

能否发一个data的网盘链接，github下载太慢了。谢谢！

l = tf.reduce_mean(tf.losses.sparse_categorical_crossentropy(y,outputs))
该损失函数缺少参数 from_logits = True。在计算输出是没有使用激活函数softmax，因此需要在损失函数上指定，即令from_logits = True。故损失函数应该为：
l = tf.reduce_mean(tf.losses.sparse_categorical_crossentropy(y,outputs,from_logits=True))

错误结果：

epoch 50, perplexity 100.705286, time 1.76 sec
分开

• 分开
  不分开
• 不分开
  epoch 100, perplexity 27.005527, time 1.85 sec
  分开
• 分开
  不分开
• 不分开 我
  epoch 150, perplexity 1019.865201, time 1.80 sec
  分开
• 分开象元元乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘
  不分开
• 不分开元元乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘
  epoch 200, perplexity 1020.654544, time 1.73 sec
  分开
• 分开象元元乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘
  不分开
• 不分开元元乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘
  epoch 250, perplexity 1020.654544, time 1.75 sec
  分开
• 分开象元元乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘
  不分开
• 不分开元元乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘乘

线性回归的从零开始实现一节

param.assign_sub(lr * tf.gradient(l, param) / batch_size)

代码报module 'tensorflow' has no attribute 'gradient'错误，改tf.gradient为t.gradient正常

请问后面的内容是否会更新了呢？或者大概什么时间会更新？感谢

我跟着pytorch那个版本改写成了tensorflow版本，当然，可能有错误或者使用不当的函数，希望相互指教，或者能对你们有帮助。

colab地址：https://colab.research.google.com/drive/1u5EUfErT-3G76vy7CMbXs7-tbJF4els5

这里是二维的 array 数组存储。

图像也不是灰度图像。

show_images(x[0:32][0], 4, 8, scale=0.8)这行代码感觉应该修改为show_images(x[0:32], 4, 8, scale=0.8)，这样才会显示完整的照片

在一开始5.12.1中代码所定义的稠密块有两层卷积，而在5.12.3的代码中

def densenet():
    return DenseNet(num_init_features=64, growth_rate=32, block_layers=[4,4,4,4], compression_rate=0.5, drop_rate=0.5)
mynet=densenet()

定义了block_layers[4,4,4,4], 所以实际上代码最后定义的模型是不是4x4x2个卷积层，而不是像上文所提到的

同ResNet一样，我们可以设置每个稠密块使用多少个卷积层。这里我们设成4，从而与上一节的ResNet-18保持一致

或者还是我理解错了啊

• 第五章图片缺失，注意用多少添加多少不要又一下全部加进来了
• 另外小标题规范一下，按照原书小标题来

代码输出

将原有的 features[0], labels[0] 代码应该贴在下面代码区。

未修改内容

1. 仍旧是 pytorch 内容。

2. 应该为 matmul 函数

https://trickygo.github.io/Dive-into-DL-TensorFlow2.0/#/?id=%e9%a3%9f%e7%94%a8%e6%96%b9%e6%b3%95

请问d2lzh_tensorflow2这个包在哪可以下载？

3.5 读取小批量
并除以255使得所有像素的数值均在0到1之间
应该加一个 map函数作映射
def data_trans(x, y):
x = tf.cast(x, tf.float32)
x = x / 255
return x, y

train_iter = tf.data.Dataset.from_tensor_slices((x_train, y_train)).map(data_trans).batch(256)

如下图链接是不对的

建议直接像下面那样不插链接而是直接放文本，指定节号即可