update some typo

Signed-off-by: hutuxian <[email protected]>
elasticdeeplearning · May 6, 2020 · 911b232 · 911b232
1 parent 19c2a1a
commit 911b232
Show file tree

Hide file tree

Showing 2 changed files with 3 additions and 3 deletions.
diff --git a/doc/edl_collective_design_doc_cn.md b/doc/edl_collective_design_doc_cn.md
@@ -13,8 +13,8 @@ Collective通信（同步）模式的训练因为其精度稳定、好复现的
 这些参数是比较自由的、用户自定义的，我们在训练引擎端无法控制的。所以我们采用stop-resume的方式解决，用户程序面对新的超参只有节点个数一个。
 
 2. 如何尽可能的保证精度、结果可复现。   
-训练的任务提交之前，用户需要制定自己的训练节点的最小和最大的节点的个数，同时需要指定batchsize是保持不变还是随着节点数目线性增长，因为batchsize是精度相关的超参，有些模型超过了一定阈值就需要做额外的调整，如Resnet50 total batchsize 超过8K的时候需要对学习率做额外的调整。
-但是，保持总得batchsize不变也会带来扩展的效率问题：单卡batchsize减少，训练的性能可能会降低。
+训练的任务提交之前，用户需要指定自己的训练节点的最小和最大的节点的个数，同时需要指定batchsize是保持不变还是随着节点数目线性增长，因为batchsize是精度相关的超参，有些模型超过了一定阈值就需要做额外的调整，如Resnet50 total batchsize 超过8K的时候需要对学习率做额外的调整。
+但是，保持总的batchsize不变也会带来扩展的效率问题：单卡batchsize减少，训练的性能可能会降低。
 考虑到上述两个问题，这个地方需要用户自己根据节点的个数和自己的模型的特点做决定。
 
 3. 如何让用户的程序改动少。   

diff --git a/doc/fault_tolerance_cn.md b/doc/fault_tolerance_cn.md
@@ -27,7 +27,7 @@ Paddle本身提供`save_persistables `保存所有持久的变量。
 Paddle提供`save_check_point`和`load_check_point`两种方式来存、读checkpoint。   
 其中有两个参数需要注意一下:  
 1.fs  
-这个是我们对文件系统的抽线，目前的实现有两种：本地和远程HDFS。您可以实现自己的`FS`类来实现保存和读取checkpoint的功能
+这个是我们对文件系统的抽象，目前的实现有两种：本地和远程HDFS。您可以实现自己的`FS`类来实现保存和读取checkpoint的功能
 
 2.train_status  
 目前该类只有`epoch_no`的类变量，0.2以后的版本将尝试增加用户自定义的member等更多的值。