Update mnist.md

NoobTW · Oct 3, 2018 · 16a681f · 16a681f
1 parent 680a948
commit 16a681f
Showing 1 changed file with 2 additions and 2 deletions.
diff --git a/tutorials/mnist.md b/tutorials/mnist.md
@@ -101,7 +101,7 @@ model.add(tf.layers.maxPooling2d({
 
 ### 增加剩餘層
 
-重複層結構是神經網路中常見的模式。讓我們在模型裡再增加第二個卷積層，然後再增加一個池化層。注意我們的第二個卷積層裡，我們把過濾器的數量從 8 調到 16。另外還要注意我們沒有特別指定 `inputShape`，因為它可以從上一層的輸出自己推裡出來：
+重複層結構是神經網路中常見的模式。讓我們在模型裡再增加第二個卷積層，然後再增加一個池化層。注意我們的第二個卷積層裡，我們把過濾器的數量從 8 調到 16。另外還要注意我們沒有特別指定 `inputShape`，因為它可以從上一層的輸出自己推理出來：
 
 ```javascript
 model.add(tf.layers.conv2d({
@@ -300,4 +300,4 @@ const accuracy = history.history.acc[0];
 
 - 更多卷積網路，請查看 Chris Olah 的 [Unerstanding Convolutions](http://colah.github.io/posts/2014-07-Understanding-Convolutions/)。
 - 更多關於損失，請看 [Machine Learning Crash Course](https://developers.google.com/machine-learning/crash-course/) 的 [Descending into ML](https://developers.google.com/machine-learning/crash-course/descending-into-ml/) 來深入了解機器學習損失。
-- 更多梯度下降和 SGD，請查看 [Machine Learning Crash Course](https://developers.google.com/machine-learning/crash-course/) 的 [Reducing Loss](https://developers.google.com/machine-learning/crash-course/reducing-loss/)。
+- 更多梯度下降和 SGD，請查看 [Machine Learning Crash Course](https://developers.google.com/machine-learning/crash-course/) 的 [Reducing Loss](https://developers.google.com/machine-learning/crash-course/reducing-loss/)。