beginner_source/dcgan_faces_tutorial.py 띄어쓰기 수정

beginner_source/dcgan_faces_tutorial.py

@@ -17,9 +17,9 @@
 # 새로운 유명인의 사진을 만들어보겠습니다.
 # 사용할 대부분의 코드는 `pytorch/examples <https://github.com/pytorch/examples>`__ 의 DCGAN 구현에서 가져왔으며,
 # 본 문서는 구현에 대한 설명과 함께, 어째서 이 모델이 작동하는지에 대해 설명을 해줄 것입니다.
-# 처음 읽었을때는, 실제로 모델에 무슨일이 일어나고 있는지에 대해 이해하는 것이 조금 시간을 소요할 수 있으나,
+# 처음 읽었을 때는, 실제로 모델에 무슨 일이 일어나고 있는지에 대해 이해하는 것이 조금 시간을 소요할 수 있으나,
 # 그래도 GAN에 대한 사전지식이 필요하지는 않으니 걱정하지 않으셔도 됩니다.
-# 추가로, GPU 1-2개를 사용하는 것이 시간절약에 도움이 될겁니다. 그럼 처음부터 천천히 시작해봅시다!
+# 추가로, GPU 1-2개를 사용하는 것이 시간절약에 도움이 될 겁니다. 그럼 처음부터 천천히 시작해 봅시다!
 #
 # 적대적 생성 신경망(Generative Adversarial Networks)
 # ------------------------------------------------------
@@ -42,11 +42,11 @@
 # 구분자를 속이려 하고, 구분자는 진짜 이미지와 가짜 이미지를 더 정확히
 # 판별할 수 있도록 노력합니다.
 # 이러한 과정은 생성자가 마치 학습 데이터에서 가져온 것처럼 보이는
-# 완벽한 가짜 이미지를 생성해내고, 판별자는 항상 50%의 신뢰도로
+# 완벽한 가짜 이미지를 생성해 내고, 판별자는 항상 50%의 신뢰도로
 # 생성자의 출력이 진짜인지 가짜인지 판별할 수 있을 때 균형 상태(equilbrium)에
 # 도달하게 됩니다.
 #
-# 그럼 이제부터 본 튜토리얼에서 사용할 표기들을 구분자부터 정의해보겠습니다.
+# 그럼 이제부터 본 튜토리얼에서 사용할 표기들을 구분자부터 정의해 보겠습니다.
 # :math:`x` 는 이미지로 표현되는 데이터라고 하겠습니다.
 # :math:`D(x)` 는 구분자의 신경망을 나타내며, 실제 학습 데이터에서 가져온
 # :math:`x` 를 통과시켜 확률 값(scalar)을 결과로 출력합니다.