PaddlePaddle · TCChenlong · Dec 6, 2021 · Dec 6, 2021
diff --git a/docs/practices/cv/convnet_image_classification.ipynb b/docs/practices/cv/convnet_image_classification.ipynb
@@ -9,7 +9,7 @@
     "# 使用卷积神经网络进行图像分类\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例教程将会演示如何使用飞桨的卷积神经网络来完成图像分类任务。这是一个较为简单的示例，将会使用一个由三个卷积层组成的网络完成[cifar10](https://www.cs.toronto.edu/~kriz/cifar.html)数据集的图像分类任务。"
    ]
   },
@@ -21,7 +21,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0 。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2 。"
    ]
   },
   {
@@ -35,7 +35,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/cv/image_classification.ipynb b/docs/practices/cv/image_classification.ipynb
@@ -9,7 +9,7 @@
     "# 使用LeNet在MNIST数据集实现图像分类\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例教程演示如何在MNIST数据集上用LeNet进行图像分类。"
    ]
   },
@@ -21,7 +21,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0 。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -35,7 +35,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/cv/image_ocr.ipynb b/docs/practices/cv/image_ocr.ipynb
@@ -10,7 +10,7 @@
     "\n",
     "**作者:** [GT_老张](https://github.com/GT-ZhangAcer)  \n",
     "\n",
-    "**时间:** 2021.11\n",
+    "**时间:** 2021.12\n",
     "\n",
     "**摘要:** 本篇将介绍如何通过飞桨实现简单的CRNN+CTC自定义数据集OCR识别模型，数据集采用[CaptchaDataset](https://github.com/GT-ZhangAcer/CaptchaDataset)中OCR部分的9453张图像，其中前8453张图像在本案例中作为训练集，后1000张则作为测试集。  \n",
     "在更复杂的场景中推荐使用[PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR)产出工业级模型，模型轻量且精度大幅提升。  \n",
@@ -25,7 +25,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) PaddlePaddle 2.2 。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) PaddlePaddle 2.2 。"
    ]
   },
   {
@@ -39,7 +39,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/cv/image_search.ipynb b/docs/practices/cv/image_search.ipynb
@@ -9,7 +9,7 @@
     "# 基于图片相似度的图片搜索\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例简要介绍如何通过飞桨开源框架，实现图片搜索的功能。"
    ]
   },
@@ -34,7 +34,7 @@
    "source": [
     "## 二、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick)。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick)。"
    ]
   },
   {
@@ -48,7 +48,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/cv/image_segmentation.ipynb b/docs/practices/cv/image_segmentation.ipynb
@@ -9,7 +9,7 @@
     "# 基于U-Net卷积神经网络实现宠物图像分割\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle)<br>\n",
-    "**日期:** 2021.11<br>\n",
+    "**日期:** 2021.12<br>\n",
     "**摘要:** 本示例教程使用U-Net实现图像分割。"
    ]
   },
@@ -47,7 +47,7 @@
     {
      "data": {
       "text/plain": [
-       "'2.2.0'"
+       "'2.2.1'"
       ]
      },
      "execution_count": null,

diff --git a/docs/practices/cv/landmark_detection.ipynb b/docs/practices/cv/landmark_detection.ipynb
@@ -9,7 +9,7 @@
     "# 人脸关键点检测\n",
     "\n",
     "**作者:** [ssz95](https://github.com/zzs95) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例教程将会演示如何使用飞桨实现人脸关键点检测。"
    ]
   },
@@ -49,7 +49,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/cv/pointnet.ipynb b/docs/practices/cv/pointnet.ipynb
@@ -8,8 +8,8 @@
    "source": [
     "# **点云处理：实现PointNet点云分类**\n",
     "**作者**：[Zhihao Cao](https://github.com/WhiteFireFox)<br>\n",
-    "**日期**：2021.11<br>\n",
-    "**摘要**：本示例在于演示如何基于Paddle2.2实现PointNet在ShapeNet数据集上进行点云分类处理。"
+    "**日期**：2021.12<br>\n",
+    "**摘要**：本示例在于演示如何基于 Paddle2.2 实现PointNet在ShapeNet数据集上进行点云分类处理。"
    ]
   },
   {
@@ -34,7 +34,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],
@@ -689,4 +689,4 @@
  },
  "nbformat": 4,
  "nbformat_minor": 1
-}
+}
diff --git a/docs/practices/cv/super_resolution_sub_pixel.ipynb b/docs/practices/cv/super_resolution_sub_pixel.ipynb
@@ -8,7 +8,7 @@
    "source": [
     "# 通过Sub-Pixel实现图像超分辨率\n",
     "**作者:** [Ralph LU](https://github.com/ralph0813)<br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例通过Sub-Pixel实现图像超分辨率。"
    ]
   },
@@ -50,7 +50,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/jit/image_search_with_jit.ipynb b/docs/practices/jit/image_search_with_jit.ipynb
@@ -60,7 +60,7 @@
      "output_type": "stream",
      "name": "stdout",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],
@@ -777,4 +777,4 @@
  },
  "nbformat": 4,
  "nbformat_minor": 1
-}
+}
diff --git a/docs/practices/nlp/addition_rnn.ipynb b/docs/practices/nlp/addition_rnn.ipynb
@@ -9,7 +9,7 @@
     "# 使用序列到序列模型完成数字加法\n",
     "\n",
     "**作者:** [jm12138](https://github.com/jm12138) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例介绍如何使用飞桨完成一个数字加法任务，将会使用飞桨提供的`LSTM`，组建一个序列到序列模型，并在随机生成的数据集上完成数字加法任务的模型训练与预测。"
    ]
   },
@@ -21,7 +21,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -35,7 +35,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "paddle version: 2.2.0\n"
+      "paddle version: 2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/nlp/imdb_bow_classification.ipynb b/docs/practices/nlp/imdb_bow_classification.ipynb
@@ -9,7 +9,7 @@
     "# IMDB 数据集使用BOW网络的文本分类\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例教程演示如何在IMDB数据集上用简单的BOW网络完成文本分类的任务。"
    ]
   },
@@ -21,7 +21,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -35,7 +35,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/nlp/n_gram_model.ipynb b/docs/practices/nlp/n_gram_model.ipynb
@@ -9,7 +9,7 @@
     "# 用N-Gram模型在莎士比亚文集中训练word embedding\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** \n",
     "N-gram 是计算机语言学和概率论范畴内的概念，是指给定的一段文本中N个项目的序列。N=1 时 N-gram 又称为 unigram，N=2 称为 bigram，N=3 称为 trigram，以此类推。实际应用通常采用 bigram 和 trigram 进行计算。本示例在莎士比亚文集上实现了trigram。"
    ]
@@ -22,7 +22,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -35,7 +35,7 @@
     {
      "data": {
       "text/plain": [
-       "'2.2.0'"
+       "'2.2.1'"
       ]
      },
      "execution_count": null,

diff --git a/docs/practices/nlp/pretrained_word_embeddings.ipynb b/docs/practices/nlp/pretrained_word_embeddings.ipynb
@@ -9,7 +9,7 @@
     "# 使用预训练的词向量完成文本分类任务\n",
     "\n",
     "**作者**: [fiyen](https://github.com/fiyen)<br>\n",
-    "**日期**: 2021.11<br>\n",
+    "**日期**: 2021.12<br>\n",
     "**摘要**: 本示例教程将会演示如何使用飞桨内置的Imdb数据集，并使用预训练词向量进行文本分类。"
    ]
   },
@@ -20,7 +20,7 @@
    },
    "source": [
     "## 一、环境设置\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -34,7 +34,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/nlp/seq2seq_with_attention.ipynb b/docs/practices/nlp/seq2seq_with_attention.ipynb
@@ -9,7 +9,7 @@
     "# 使用注意力机制的LSTM的机器翻译\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 本示例教程介绍如何使用飞桨完成一个机器翻译任务。通过使用飞桨提供的LSTM的API，组建一个`sequence to sequence with attention`的机器翻译的模型，并在示例的数据集上完成从英文翻译成中文的机器翻译。"
    ]
   },
@@ -21,7 +21,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0。"
+    "本教程基于Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -35,7 +35,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/quick_start/dynamic_graph.ipynb b/docs/practices/quick_start/dynamic_graph.ipynb
@@ -9,7 +9,7 @@
     "# 动态图\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 从飞桨框架2.0版本开始，飞桨默认为开启了动态图开发模式。在这种模式下，每次执行一个运算，可以立即得到结果（而不是事先定义好网络结构，然后再执行）。在动态图模式下，你可以更加方便的组织代码，更容易的调试程序，本示例教程将向你介绍飞桨的动态图的使用。\n"
    ]
   },
@@ -21,7 +21,7 @@
    "source": [
     "## 一、环境配置\n",
     "\n",
-    "本教程基于 Paddle 2.2.0 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2.0。"
+    "本教程基于 Paddle 2.2 编写，如果你的环境不是本版本，请先参考官网[安装](https://www.paddlepaddle.org.cn/install/quick) Paddle 2.2。"
    ]
   },
   {
@@ -35,7 +35,7 @@
      "name": "stdout",
      "output_type": "stream",
      "text": [
-      "2.2.0\n"
+      "2.2.1\n"
      ]
     }
    ],

diff --git a/docs/practices/quick_start/hello_paddle.ipynb b/docs/practices/quick_start/hello_paddle.ipynb
@@ -9,7 +9,7 @@
     "# hello paddle: 从普通程序走向机器学习程序\n",
     "\n",
     "**作者:** [PaddlePaddle](https://github.com/PaddlePaddle) <br>\n",
-    "**日期:** 2021.11 <br>\n",
+    "**日期:** 2021.12 <br>\n",
     "**摘要:** 这篇示例向你介绍普通程序跟机器学习程序的区别，并带着你用飞桨框架，实现第一个机器学习程序。"
    ]
   },