fix message

ch04/01_main-chapter-code/ch04.ipynb

@@ -756,7 +756,7 @@
     "            # 计算当前层的输出\n",
     "            layer_output = layer(x)\n",
     "            # 检查是否可以使用shortcut\n",
-    "            if self.use_shortcut and x.shape == layer_output.shape:\n",
+    "            if self.use_shortcut and x.size() == layer_output.size():\n",
     "                x = x + layer_output\n",
     "            else:\n",
     "                x = layer_output\n",
@@ -768,7 +768,7 @@
     "    output = model(x)\n",
     "    target = torch.tensor([[0.]])\n",
     "\n",
-    "    # 通过目标值和输出值的接近程度来计算损失\n",
+    "    # 根据输出和标签差距来计算损失\n",
     "    loss = nn.MSELoss()\n",
     "    loss = loss(output, target)\n",
     "    \n",
@@ -777,7 +777,7 @@
     "\n",
     "    for name, param in model.named_parameters():\n",
     "        if 'weight' in name:\n",
-    "            # 打印权重的梯度绝对值的平均值\n",
+    "            # 打印权重的平均绝对梯度\n",
     "            print(f\"{name} has gradient mean of {param.grad.abs().mean().item()}\")"
    ]
   },
@@ -862,14 +862,22 @@
     "- 接下来，我们将在实现Transformer块时应用shortcut连接。"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "id": "fd8a2072",
+   "metadata": {},
+   "source": [
+    "## 4.5 在transformer块中连接注意力层和线性层"
+   ]
+  },
   {
    "cell_type": "markdown",
    "id": "bc571b76",
    "metadata": {},
    "source": [
-    "- 本节将前述概念融合，搭建所谓的Transformer块。\n",
+    "- 本节将前述概念融合，搭建transformer块。\n",
     "- Transformer块将前一章的因果多头注意力模块与线性层结合起来，即之前章节中我们实现的前馈神经网络\n",
-    "- 此外，Transformer块还使用了Dropout和shortcut连接。"
+    "- 此外，transformer块还使用了Dropout和shortcut连接。"
    ]
   },
   {
@@ -1051,7 +1059,7 @@
     "        batch_size, seq_len = in_idx.shape\n",
     "        tok_embeds = self.tok_emb(in_idx)\n",
     "        pos_embeds = self.pos_emb(torch.arange(seq_len, device=in_idx.device))\n",
-    "        x = tok_embeds + pos_embeds  # shape [batch_size, num_tokens, emb_size]\n",
+    "        x = tok_embeds + pos_embeds  # Shape [batch_size, num_tokens, emb_size]\n",
     "        x = self.trf_blocks(x)\n",
     "        x = self.final_norm(x)\n",
     "        logits = self.out_head(x)\n",
@@ -1110,7 +1118,7 @@
    "metadata": {},
    "source": [
     "- 我们将在下一章对这个模型进行训练。\n",
-    "- 然而，关于其大小有一个快速说明：我们之前提到它是一个拥有124M参数的模型；我们可以按照以下方式再次核对这个数字："
+    "- 这里对模型大小做一个快速说明：我们之前提到它是一个拥有124M参数的模型；可以按照以下方式核对这个数字："
    ]
   },
   {
@@ -1141,7 +1149,7 @@
     "- 在原始的GPT-2论文中，研究人员使用了权重绑定，这意味着他们将token嵌入层（tok_emb）重复用作输出层，即设置`self.out_head.weight = self.tok_emb.weight`\n",
     "- token嵌入层将50,257维输入token的one-hot编码投影到768维的embedding表示中\n",
     "- 输出层将768维的embedding投影回到50,257维的表示中，以便我们可以将其转换回单词（更多关于此的信息请参见下一节）\n",
-    "- 因此，embedding层和输出层有相同数量的权重参数，根据它们的权重矩阵形状：参见下一章"
+    "- 因此，embedding层和输出层有相同数量的权重参数，正如我们根据其权重矩阵的形状所看到的那样"
    ]
   },
   {