diff --git a/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.ipynb b/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.ipynb
index e415680..7317050 100644
--- a/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.ipynb
+++ b/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.ipynb
@@ -565,7 +565,7 @@
    "source": [
     "  两个最常用的attention函数是：\n",
     "- 加法attention[(cite)](https://arxiv.org/abs/1409.0473)\n",
-    "- - 点积（乘法）attention\n",
+    "- 点积（乘法）attention\n",
     "\n",
     "除了缩放因子$\\frac{1}{\\sqrt{d_k}}$ ，点积Attention跟我们的平时的点乘算法一样。加法attention使用具有单个隐层的前馈网络计算相似度。虽然理论上点积attention和加法attention复杂度相似，但在实践中，点积attention可以使用高度优化的矩阵乘法来实现，因此点积attention计算更快、更节省空间。                                                                                           \n",
     "当$d_k$ 的值比较小的时候，这两个机制的性能相近。当$d_k$比较大时，加法attention比不带缩放的点积attention性能好  [(cite)](https://arxiv.org/abs/1703.03906)。我们怀疑，对于很大的$d_k$值, 点积大幅度增长，将softmax函数推向具有极小梯度的区域。(为了说明为什么点积变大，假设q和k是独立的随机变量，均值为0，方差为1。那么它们的点积$q \\cdot k = \\sum_{i=1}^{d_k} q_ik_i$, 均值为0方差为$d_k$)。为了抵消这种影响，我们将点积缩小 $\\frac{1}{\\sqrt{d_k}}$倍。     \n",
@@ -1464,7 +1464,7 @@
    "cell_type": "markdown",
    "source": [
     "# 真实场景示例\n",
-    "由于原始jupyter的真实数据场景需要多GPU训练，本教程暂时不将其纳入，感兴趣的读者可以继续阅读[原始教程](https://nlp.seas.harvard.edu/2018/04/03/attention.html)。另外由于真是数据原始url失效，原始教程应该也无法运行真是数据场景的代码。"
+    "由于原始jupyter的真实数据场景需要多GPU训练，本教程暂时不将其纳入，感兴趣的读者可以继续阅读[原始教程](https://nlp.seas.harvard.edu/2018/04/03/attention.html)。另外由于真实数据原始url失效，原始教程应该也无法运行真实数据场景的代码。"
    ],
    "metadata": {}
   },
diff --git a/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.md b/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.md
index 4f38878..8d56ab5 100644
--- a/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.md
+++ b/docs/篇章2-Transformer相关原理/2.2.1-Pytorch编写Transformer.md
@@ -339,7 +339,7 @@ def attention(query, key, value, mask=None, dropout=None):
 
   两个最常用的attention函数是：
 - 加法attention[(cite)](https://arxiv.org/abs/1409.0473)
-- - 点积（乘法）attention
+- 点积（乘法）attention
 
 除了缩放因子$\frac{1}{\sqrt{d_k}}$ ，点积Attention跟我们的平时的点乘算法一样。加法attention使用具有单个隐层的前馈网络计算相似度。虽然理论上点积attention和加法attention复杂度相似，但在实践中，点积attention可以使用高度优化的矩阵乘法来实现，因此点积attention计算更快、更节省空间。                                                                                           
 当$d_k$ 的值比较小的时候，这两个机制的性能相近。当$d_k$比较大时，加法attention比不带缩放的点积attention性能好  [(cite)](https://arxiv.org/abs/1703.03906)。我们怀疑，对于很大的$d_k$值, 点积大幅度增长，将softmax函数推向具有极小梯度的区域。(为了说明为什么点积变大，假设q和k是独立的随机变量，均值为0，方差为1。那么它们的点积$q \cdot k = \sum_{i=1}^{d_k} q_ik_i$, 均值为0方差为$d_k$)。为了抵消这种影响，我们将点积缩小 $\frac{1}{\sqrt{d_k}}$倍。     
@@ -896,7 +896,7 @@ print(greedy_decode(model, src, src_mask, max_len=10, start_symbol=1))
 
 
 # 真实场景示例
-由于原始jupyter的真实数据场景需要多GPU训练，本教程暂时不将其纳入，感兴趣的读者可以继续阅读[原始教程](https://nlp.seas.harvard.edu/2018/04/03/attention.html)。另外由于真是数据原始url失效，原始教程应该也无法运行真是数据场景的代码。
+由于原始jupyter的真实数据场景需要多GPU训练，本教程暂时不将其纳入，感兴趣的读者可以继续阅读[原始教程](https://nlp.seas.harvard.edu/2018/04/03/attention.html)。另外由于真实数据原始url失效，原始教程应该也无法运行真实数据场景的代码。
 
 # 结语