（增强）给部分页面添加meta信息

Author: ZhiBing(陈治兵)

docs/deep/README.md

@@ -1,9 +1,17 @@
+---
+meta:
+ - name: keywords
+ content: NumPy,深度学习
+ - name: description
+ content: 本栏目会指导你如何使用 NumPy、Matplotlib、Pandas 和 国产深度学习框架paddlepaddle 进行深度学习的入门。
+---
+
 # NumPy 与深度学习
 
-<a href="https://www.paddlepaddle.org.cn/?from=numpy-cn" target="_blank">
+<a href="https://www.paddlepaddle.org.cn/?from=pandas-cn" target="_blank">
  <img src="https://extraimage.net/images/2019/10/20/9d3fe9e349990cba65902826dda16f11.png">
 </a>
 
 欢迎来到 NumPy 与深度学习栏目！
 
-本栏目会指导你如何使用 [NumPy](https://www.numpy.org.cn/)、[Matplotlib](https://www.matplotlib.org.cn/)、[Pandas](https://www.pypandas.cn/) 和 国产深度学习框架[paddlepaddle](https://www.paddlepaddle.org.cn/?from=numpy-cn) 进行深度学习的入门。
+本栏目会指导你如何使用 [NumPy](https://www.numpy.org.cn/)、[Matplotlib](https://www.matplotlib.org.cn/)、[Pandas](https://www.pypandas.cn/) 和 国产深度学习框架[paddlepaddle](https://www.paddlepaddle.org.cn/?from=pandas-cn) 进行深度学习的入门。

docs/deep/basics/README.md

@@ -1,22 +1,30 @@
+---
+meta:
+ - name: keywords
+ content: 深度学习
+ - name: description
+ content: 本章由9篇文档组成，它们按照简单到难的顺序排列，将指导您如何使用NumPy和PaddlePaddle完成基础的深度学习任务。
+---
+
 # 深度学习基础教程
 
-本章由9篇文档组成，它们按照简单到难的顺序排列，将指导您如何使用 [NumPy](https://www.numpy.org.cn) 和 [PaddlePaddle](https://www.paddlepaddle.org.cn/?from=numpy-cn) 完成基础的深度学习任务
+本章由9篇文档组成，它们按照简单到难的顺序排列，将指导您如何使用 [NumPy](https://www.numpy.org.cn) 和 [PaddlePaddle](https://www.paddlepaddle.org.cn/?from=pandas-cn) 完成基础的深度学习任务。
 
-本章文档涉及大量了深度学习基础知识，也介绍了如何使用 [NumPy](https://www.numpy.org.cn) 和 [PaddlePaddle](https://www.paddlepaddle.org.cn/?from=numpy-cn) 实现这些内容，请参阅以下说明了解如何使用：
+本章文档涉及大量了深度学习基础知识，也介绍了如何使用 [NumPy](https://www.numpy.org.cn) 和 [PaddlePaddle](https://www.paddlepaddle.org.cn/?from=pandas-cn) 实现这些内容，请参阅以下说明了解如何使用：
 
 ## 内容简介
 
 您现在在看的这本书是一本“交互式”电子书 —— 每一章都可以运行在一个Jupyter Notebook里。
 
 - [线性回归](fit_a_line)
-- [数字识别](recognize_digits)
-- [图像分类](image_classification)
-- [词向量](word2vec)
-- [个性化推荐](recommender_system)
-- [情感分析](understand_sentiment)
-- [语义角色标注](label_semantic_roles)
-- [机器翻译](machine_translation)
-- [生成对抗网络](gan)
+- [数字识别](fit_a_line)
+- [图像分类](fit_a_line)
+- [词向量](fit_a_line)
+- [个性化推荐](fit_a_line)
+- [情感分析](fit_a_line)
+- [语义角色标注](fit_a_line)
+- [机器翻译](fit_a_line)
+- [生成对抗网络](fit_a_line)
 
 我们把[NumPy](https://www.numpy.org.cn/)、Jupyter、PaddlePaddle、以及各种被依赖的软件都打包进一个Docker image了。
 所以您不需要自己来安装各种软件，只需要安装Docker即可。

docs/deep/basics/fit_a_line.md

@@ -1,9 +1,19 @@
+---
+meta:
+ - name: keywords
+ content: 线性回归,Linear Regression
+ - name: description
+ content: 让我们从经典的线性回归（Linear Regression）模型开始这份教程。在这一章里，你将使用真实的数据集建立起一个房价预测模型，并且了解到机器学习中的若干重要概念。
+---
+
 # 线性回归
+
 让我们从经典的线性回归（Linear Regression \[[1](#参考文献)\]）模型开始这份教程。在这一章里，你将使用真实的数据集建立起一个房价预测模型，并且了解到机器学习中的若干重要概念。
 
 本教程源代码目录在[book/fit_a_line](https://github.com/PaddlePaddle/book/tree/develop/01.fit_a_line)， 初次使用请您参考[Book文档使用说明](https://github.com/PaddlePaddle/book/blob/develop/README.cn.md#运行这本书)。
 
 ### 说明：
+
 1.硬件环境要求：
 本文可支持在CPU、GPU下运行
 2. Docker镜像支持的CUDA/cuDNN版本：
@@ -206,8 +216,8 @@ cost = fluid.layers.square_error_cost(input=y_predict, label=y) # 利用标签
 avg_loss = fluid.layers.mean(cost) # 对方差求均值，得到平均损失
 ```
 详细资料请参考：
-[fluid.default_main_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-main-program?from=numpy-cn)
-[fluid.default_startup_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-startup-program?from=numpy-cn)
+[fluid.default_main_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-main-program?from=pandas-cn)
+[fluid.default_startup_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-startup-program?from=pandas-cn)
 
 ### Optimizer Function 配置
 
@@ -236,7 +246,7 @@ exe = fluid.Executor(place)
 
 ```
 详细资料请参考:
-[fluid.executor](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#permalink-15-executor?from=numpy-cn)
+[fluid.executor](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#permalink-15-executor?from=pandas-cn)
 
 ### 创建训练过程
 训练需要有一个训练程序和一些必要参数，并构建了一个获取训练过程中测试误差的函数。必要参数有executor,program,reader,feeder,fetch_list，executor表示之前创建的执行器，program表示执行器所执行的program，是之前创建的program，如果该项参数没有给定的话则默认使用default_main_program，reader表示读取到的数据，feeder表示前向输入的变量，fetch_list表示用户想得到的变量或者命名的结果。
@@ -395,4 +405,4 @@ with fluid.scope_guard(inference_scope):
 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">
 <img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a>
 <br />
-<span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://www.paddlepaddle.org/?from=numpy-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 提供，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。
+<span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://www.paddlepaddle.org/?from=pandas-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 提供，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。

docs/deep/basics/gan.md

@@ -1,3 +1,11 @@
+---
+meta:
+ - name: keywords
+ content: 生成对抗网络
+ - name: description
+ content: 本教程源代码目录在book/09.gan，初次使用请您参考Book文档使用说明。
+---
+
 # 生成对抗网络
 
 本教程源代码目录在book/09.gan，初次使用请您参考Book文档使用说明。

docs/deep/basics/image_classification.md

@@ -1,3 +1,11 @@
+---
+meta:
+ - name: keywords
+ content: 图像分类
+ - name: description
+ content: 图像相比文字能够提供更加生动、容易理解及更具艺术感的信息，是人们转递与交换信息的重要来源。在本教程中，我们专注于图像识别领域的一个重要问题，即图像分类。
+---
+
 # 图像分类
 
 本教程源代码目录在[book/image_classification](https://github.com/PaddlePaddle/book/tree/develop/03.image_classification),初次使用请您参考[Book文档使用说明](https://github.com/PaddlePaddle/book/blob/develop/README.cn.md#运行这本书)。
@@ -607,4 +615,4 @@ with fluid.scope_guard(inference_scope):
 [22] http://cs231n.github.io/classification/
 
 <br/>
-<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=numpy-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 创作，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。
+<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=pandas-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 创作，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。

docs/deep/basics/label_semantic_roles.md

@@ -1,3 +1,11 @@
+---
+meta:
+ - name: keywords
+ content: 语义角色标注
+ - name: description
+ content: 自然语言分析技术大致分为三个层面：词法分析、句法分析和语义分析。语义角色标注是实现浅层语义分析的一种方式。
+---
+
 # 语义角色标注
 
 本教程源代码目录在[book/label_semantic_roles](https://github.com/PaddlePaddle/book/tree/develop/07.label_semantic_roles),初次使用请您参考[Book文档使用说明](https://github.com/PaddlePaddle/book/blob/develop/README.cn.md#运行这本书)。
@@ -242,7 +250,7 @@ BATCH_SIZE = 10 # batch size 大小
 embedding_name = 'emb'
 ```
 
-这里需要特别说明的是，参数 `hidden_dim = 512` 实际指定了LSTM隐层向量的维度为128，关于这一点请参考PaddlePaddle官方文档中[dynamic_lstm](http://www.paddlepaddle.org/documentation/docs/zh/1.2/api_cn/layers_cn.html#dynamic-lstm?from=numpy-cn)的说明。
+这里需要特别说明的是，参数 `hidden_dim = 512` 实际指定了LSTM隐层向量的维度为128，关于这一点请参考PaddlePaddle官方文档中[dynamic_lstm](http://www.paddlepaddle.org/documentation/docs/zh/1.2/api_cn/layers_cn.html#dynamic-lstm?from=pandas-cn)的说明。
 
 - 如上文提到，我们用基于英文维基百科训练好的词向量来初始化序列输入、谓词上下文总共6个特征的embedding层参数，在训练中不更新。
 
@@ -569,4 +577,4 @@ print("Inference Shape: ", np_data.shape)
 10. Zhou J, Xu W. [End-to-end learning of semantic role labeling using recurrent neural networks](http://www.aclweb.org/anthology/P/P15/P15-1109.pdf)[C]//Proceedings of the Annual Meeting of the Association for Computational Linguistics. 2015.
 
 <br/>
-<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=numpy-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 创作，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。
+<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=pandas-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 创作，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。

docs/deep/basics/machine_translation.md

@@ -1,3 +1,11 @@
+---
+meta:
+ - name: keywords
+ content: 机器翻译
+ - name: description
+ content: 机器翻译（machine translation, MT）是用计算机来实现不同语言之间翻译的技术。被翻译的语言通常称为源语言（source language），翻译成的结果语言称为目标语言（target language）。
+---
+
 # 机器翻译
 
 本教程源代码目录在[book/machine_translation](https://github.com/PaddlePaddle/book/tree/develop/08.machine_translation),初次使用请您参考[Book文档使用说明](https://github.com/PaddlePaddle/book/blob/develop/README.cn.md#运行这本书)。
@@ -604,4 +612,4 @@ Translated score and sentence:
 5. Papineni K, Roukos S, Ward T, et al. [BLEU: a method for automatic evaluation of machine translation](http://dl.acm.org/citation.cfm?id=1073135)[C]//Proceedings of the 40th annual meeting on association for computational linguistics. Association for Computational Linguistics, 2002: 311-318.
 
 <br/>
-<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=numpy-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 创作，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。
+<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=pandas-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 创作，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。

docs/deep/basics/recognize_digits.md

@@ -1,3 +1,11 @@
+---
+meta:
+ - name: keywords
+ content: 数字识别
+ - name: description
+ content: 当我们学习编程的时候，编写的第一个程序一般是实现打印"Hello World"。
+---
+
 # 数字识别
 
 本教程源代码目录在[book/recognize_digits](https://github.com/PaddlePaddle/book/tree/develop/02.recognize_digits),初次使用请您参考[Book文档使用说明](https://github.com/PaddlePaddle/book/blob/develop/README.cn.md#运行这本书)。
@@ -166,7 +174,7 @@ PaddlePaddle在API中提供了自动加载[MNIST](http://yann.lecun.com/exdb/mni
 
 ## Fluid API 概述
 
-演示将使用最新的 [Fluid API](http://paddlepaddle.org/documentation/docs/zh/1.2/api_cn/index_cn.html?from=numpy-cn)。Fluid API是最新的 PaddlePaddle API。它在不牺牲性能的情况下简化了模型配置。
+演示将使用最新的 [Fluid API](http://paddlepaddle.org/documentation/docs/zh/1.2/api_cn/index_cn.html?from=pandas-cn)。Fluid API是最新的 PaddlePaddle API。它在不牺牲性能的情况下简化了模型配置。
 我们建议使用 Fluid API，它易学易用的特性将帮助您快速完成机器学习任务。。
 
 下面是 Fluid API 中几个重要概念的概述：
@@ -592,4 +600,4 @@ with fluid.scope_guard(inference_scope):
 10. Bishop, Christopher M. ["Pattern recognition."](http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf) Machine Learning 128 (2006): 1-58.
 
 <br/>
-<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=numpy-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 提供，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。
+<a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://paddlepaddleimage.cdn.bcebos.com/bookimage/camo.png" /></a><br /><span xmlns:dct="http://purl.org/dc/terms/" href="http://purl.org/dc/dcmitype/Text" property="dct:title" rel="dct:type">本教程</span> 由 <a xmlns:cc="http://creativecommons.org/ns#" href="http://book.paddlepaddle.org/?from=pandas-cn" property="cc:attributionName" rel="cc:attributionURL">PaddlePaddle</a> 提供，采用 <a rel="license" href="http://creativecommons.org/licenses/by-sa/4.0/">知识共享 署名-相同方式共享 4.0 国际 许可协议</a>进行许可。