Update use-gpu.md

Author: astonzhang

chapter_deep-learning-computation/use-gpu.md

@@ -23,11 +23,11 @@
 读者可能已经注意到MXNet张量看起来与NumPy的`ndarray`几乎相同。
 但有一些关键区别，其中之一是MXNet支持不同的硬件设备。
 
-在MXNet中，每个数组都有一个上下文（context）。
+在MXNet中，每个数组都有一个环境（context）。
 默认情况下，所有变量和相关的计算都分配给CPU。
-有时上下文可能是GPU。
+有时环境可能是GPU。
 当我们跨多个服务器部署作业时，事情会变得更加棘手。
-通过智能地将数组分配给上下文，
+通过智能地将数组分配给环境，
 我们可以最大限度地减少在设备之间传输数据的时间。
 例如，当在带有GPU的服务器上训练神经网络时，
 我们通常希望模型的参数在GPU上。
@@ -41,11 +41,11 @@
 
 :begin_tab:`pytorch`
 在PyTorch中，每个数组都有一个设备（device），
-我们通常将其称为上下文（context）。
+我们通常将其称为环境（context）。
 默认情况下，所有变量和相关的计算都分配给CPU。
-有时上下文可能是GPU。
+有时环境可能是GPU。
 当我们跨多个服务器部署作业时，事情会变得更加棘手。
-通过智能地将数组分配给上下文，
+通过智能地将数组分配给环境，
 我们可以最大限度地减少在设备之间传输数据的时间。
 例如，当在带有GPU的服务器上训练神经网络时，
 我们通常希望模型的参数在GPU上。