Update 23_what-is-dynamic-padding.srt

subtitles/zh-CN/23_what-is-dynamic-padding.srt

@@ -205,7 +205,7 @@ to make all samples of length 128.
 
 42
 00:01:46,530 --> 00:01:48,360
-结果，如果我们传递这个数据集
+最后，如果我们传递这个数据集
 As a result, if we pass this dataset
 
 43
@@ -215,7 +215,7 @@ to a PyTorch DataLoader,
 
 44
 00:01:50,520 --> 00:01:55,503
-我们得到形状批量大小的批次，这里是 16，乘以 128。
+我们得到形状为batch_size乘以16乘以128的批次。
 we get batches of shape batch size, here 16, by 128.
 
 45
@@ -230,7 +230,7 @@ we must defer the padding to the batch preparation,
 
 47
 00:02:01,440 --> 00:02:04,740
-所以我们从标记化函数中删除了那部分。
+所以我们从标记函数中删除了那部分。
 so we remove that part from our tokenize function.
 
 48
@@ -310,12 +310,12 @@ all way below the 128 from before.
 
 63
 00:02:42,660 --> 00:02:44,820
-动态批处理几乎总是更快
+动态批处理几乎在CPU和GPU上更快，
 Dynamic batching will almost always be faster
 
 64
 00:02:44,820 --> 00:02:47,913
-在 CPU 和 GPU 上，所以如果可以的话你应该应用它。
+所以如果可以的话你应该应用它。
 on CPUs and GPUs, so you should apply it if you can.
 
 65