Fix docs (#324)

* update docs

README.md

@@ -100,11 +100,11 @@ PaddleHub同时支持安装、卸载、查看模型信息等命令行功能，
 
 * 示例合集
 
-PaddleHub提供了使用Finetune-API和预训练模型完成[文本分类](./demo/text_classification)、[序列标注](./demo/sequence_labeling)、[多标签分类](./demo/multi_label_classification)、[图像分类](./demo/image_classification)、[检索式问答任务](./demo/qa_classification)、[回归任务](./demo/regression)、[句子语义相似度计算](./demo/sentence_similarity)、[阅读理解任务](./demo/reading_comprehension)等迁移任务的使用示例，详细参见[demo](./demo)。
+  PaddleHub提供了使用Finetune-API和预训练模型完成[文本分类](./demo/text_classification)、[序列标注](./demo/sequence_labeling)、[多标签分类](./demo/multi_label_classification)、[图像分类](./demo/image_classification)、[检索式问答任务](./demo/qa_classification)、[回归任务](./demo/regression)、[句子语义相似度计算](./demo/sentence_similarity)、[阅读理解任务](./demo/reading_comprehension)等迁移任务的使用示例，详细参见[demo](./demo)。
 
 * 场景化使用
 
-PaddleHub在AI Studio上提供了IPython NoteBook形式的demo。用户可以直接在平台上在线体验，链接如下：
+  PaddleHub在AI Studio上提供了IPython NoteBook形式的demo。用户可以直接在平台上在线体验，链接如下：
 
 |预训练模型|任务类型|数据集|AIStudio链接|备注|
 |-|-|-|-|-|
@@ -153,13 +153,13 @@ $ hub serving start --config config.json
 
 config.json文件包含待部署模型信息等，
 
-关于PaddleHub Serving详细信息参考[PaddleHub Serving一键服务化部署](https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub-Serving%E4%B8%80%E9%94%AE%E6%9C%8D%E5%8A%A1%E9%83%A8%E7%BD%B2)。
+关于PaddleHub Serving详细信息参考[PaddleHub Serving一键服务化部署](./tutorial/serving.md)。
 
 ### 超参优化AutoDL Finetuner
 
 深度学习模型往往包含许多的超参数，而这些超参数的取值对模型性能起着至关重要的作用。因为模型参数空间大，目前超参调整都是通过手动，依赖人工经验或者不断尝试，且不同模型、样本数据和场景下不尽相同，所以需要大量尝试，时间成本和资源成本非常浪费。PaddleHub AutoDL Finetuner可以实现自动调整超参数，使得模型性能达到最优水平。它通过多种调优的算法来搜索最优超参。
 
-AutoDL Finetuner详细信息参见[PaddleHub超参优化](./tutorial/autofinetune.md)
+AutoDL Finetuner详细信息参见[PaddleHub超参优化](./tutorial/autofinetune.md)。
 
 
 ## FAQ

demo/README.md

@@ -42,7 +42,7 @@
   该样例文件夹下展示了服务化部署Hub Serving如何使用，将PaddleHub支持的可预测Module如何服务化部署。
 
 **NOTE:**
-以上任务示例均是利用PaddleHub提供的数据集，若您想在自定义数据集上完成相应任务，请查看[PaddleHub适配自定义数据完成FineTune](https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub%E9%80%82%E9%85%8D%E8%87%AA%E5%AE%9A%E4%B9%89%E6%95%B0%E6%8D%AE%E5%AE%8C%E6%88%90FineTune)
+以上任务示例均是利用PaddleHub提供的数据集，若您想在自定义数据集上完成相应任务，请查看[PaddleHub适配自定义数据完成Fine-tune](https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub%E9%80%82%E9%85%8D%E8%87%AA%E5%AE%9A%E4%B9%89%E6%95%B0%E6%8D%AE%E5%AE%8C%E6%88%90FineTune)。
 
 ## 在线体验
 

demo/autofinetune_image_classification/README.md

@@ -33,7 +33,7 @@ param_list:
 
 ## Step2:改动模型代码
 
-img_cls.py以mobilenet为预训练模型，在flowers数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考[图像分类迁移学习示例](../image_classification)
+img_cls.py以mobilenet为预训练模型，在flowers数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考[图像分类迁移学习示例](../image_classification)。
 
 * import paddlehub
 

demo/autofinetune_text_classification/README.md

@@ -43,7 +43,7 @@ param_list:
 
 ## Step2:改动模型代码
 
-text_cls.py以ernie为预训练模型，在ChnSentiCorp数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考[文本分类迁移学习示例](../text_classification)
+text_cls.py以ernie为预训练模型，在ChnSentiCorp数据集上进行Fine-tune。PaddleHub如何完成Finetune可以参考[文本分类迁移学习示例](../text_classification)。
 
 * import paddlehub
 
@@ -73,4 +73,4 @@ text_cls.py以ernie为预训练模型，在ChnSentiCorp数据集上进行Fine-tu
 在完成安装PaddlePaddle与PaddleHub后，通过执行脚本`sh run_autofinetune.sh`即可开始使用超参优化功能。
 
 
-**NOTE:** 关于PaddleHub超参优化详情参考[教程](../../tutorial/autofinetune.md)
+**NOTE:** 关于PaddleHub超参优化详情参考[教程](../../tutorial/autofinetune.md)。

demo/image_classification/README.md

@@ -20,7 +20,7 @@
 
 ## 代码步骤
 
-使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤
+使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤。
 
 ### Step1: 加载预训练模型
 
@@ -29,7 +29,7 @@ module = hub.Module(name="resnet_v2_50_imagenet")
 inputs, outputs, program = module.context(trainable=True)
 ```
 
-PaddleHub提供许多图像分类预训练模型，如xception、mobilenet、efficientnet等，详细信息参见[图像分类模型](https://www.paddlepaddle.org.cn/hub?filter=en_category&value=ImageClassification)
+PaddleHub提供许多图像分类预训练模型，如xception、mobilenet、efficientnet等，详细信息参见[图像分类模型](https://www.paddlepaddle.org.cn/hub?filter=en_category&value=ImageClassification)。
 
 如果想尝试efficientnet模型，只需要更换Module中的`name`参数即可.
 ```python

demo/sequence_labeling/README.md

@@ -160,10 +160,6 @@ seq_label_task.finetune_and_eval()
 
 如果想改变迁移任务组网，详细参见[自定义迁移任务](https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub:-%E8%87%AA%E5%AE%9A%E4%B9%89Task)。
 
-#### 自定义迁移任务
-
-如果想改变迁移任务组网，详细参见[自定义迁移任务](https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub:-%E8%87%AA%E5%AE%9A%E4%B9%89Task)
-
 ## 可视化
 
 Fine-tune API训练过程中会自动对关键训练指标进行打点，启动程序后执行下面命令：

demo/text_classification/README.md

@@ -21,7 +21,7 @@
 
 ## 代码步骤
 
-使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤；
+使用PaddleHub Fine-tune API进行Fine-tune可以分为4个步骤。
 
 ### Step1: 加载预训练模型