Add tools

tools/link_detection/README_CN.md

@@ -21,7 +21,7 @@
    cd tools/link_detection
    pip install requests
    ```
-3. 在`link_check`目录下执行如下命令，在输入需要检测目录的绝对路径后，开始进行检测，完成后会在当前目录下新建`404.txt`、`exception.txt`、`slow.txt`三个文件。
+3. 在`link_detection`目录下执行如下命令，在输入需要检测目录的绝对路径后，开始进行检测，完成后会在当前目录下新建`404.txt`、`exception.txt`、`slow.txt`三个文件。
    ```
    python link_detection.py
    ```

tools/pic_detection/README_CN.md

+# 图片检查工具
+
+## 简介
+
+此工具可以检查用户指定目录里所有图片的使用情况，会检查出没有使用的图片，并且将没有使用的图片删除。
+
+
+## 使用说明
+
+该工具所依赖的操作系统为Windows操作系统，执行环境为Python环境，具体使用步骤如下所示：
+
+1. 打开Git Bash，下载MindSpore Docs仓代码。
+   ```
+   git clone https://gitee.com/mindspore/docs.git
+   ```
+2. 进入`tools/pic_detection`目录。
+   ```
+   cd tools/pic_detection
+   ```
+3. 在`pic_detection`目录下执行如下命令，在输入需要检测目录的绝对路径后，开始进行检测，最后将没有使用的图片删除。
+   ```
+   python pic_detection.py
+   ```
+   > 检测目录的绝对路径全使用英文，并且使用Linux的绝对路径方式，例如：`/d/master/docs`。 
+   
+
+

tools/pic_detection/pic_detection.py

+import subprocess
+import os
+
+def get_images_dierctory(check_path):
+    '''
+    get all images directory.
+    '''
+    cmd = 'find %s -type d -name images' %check_path
+    res = subprocess.Popen(cmd, shell=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
+    dir_list = res.stdout.read().decode('utf-8').split('\n')
+    del dir_list[-1]
+    return dir_list
+
+def get_all_pic(dir_list):
+    '''
+    get all the images in the images directory.
+    '''
+    for dir in dir_list:
+        res = subprocess.Popen('ls %s'%dir, shell=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
+        pic_list = res.stdout.read().decode('utf-8').split('\n')
+        del pic_list[-1]
+        for i in pic_list:
+            pic_all.add(i)
+
+def get_use_pic(check_path):
+    '''
+    get all the useful pictures.
+    '''
+    cmd1 = 'find %s -type f -name "*.md"' %check_path
+    cmd2 = 'find %s -type f -name "*.ipynb"' %check_path
+    cmd3 = [cmd1, cmd2]
+    for i in cmd3:
+        res = subprocess.Popen(i, shell=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
+        file_list = res.stdout.read().decode('utf-8').split('\n')
+        del file_list[-1]
+        for j in file_list:
+            j = j.split('/', 1)[1].replace('/', ':/', 1)
+            with open(j, 'r', encoding='utf-8') as f:
+                data = f.read()
+                for k in pic_all:
+                    if k in data:
+                        use_pic.add(k)
+
+def get_use_eddx():
+    '''
+    get all the useful eddx files.
+    '''
+    for i in filter_pic:
+        if i.endswith('eddx'):
+            if i.split('.')[0] in ' '.join(use_pic):
+                use_eddx.add(i)
+
+def get_useless_pic_path(check_path):
+    '''
+    get the absolute path of all useless pictures.
+    '''
+    for i in useless_pic:
+        cmd = 'find %s -type f -name %s' %(check_path,i)
+        res = subprocess.Popen(cmd, shell=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE)
+        data = res.stdout.read().decode('utf-8').split('\n')
+        del data[-1]
+        for j in data:
+            path.append(j)
+
+def del_useless_pic():
+    '''
+    delete all useless pictures.
+    '''
+    for i in path:
+        os.system('rm -rf %s' %i)
+
+
+if __name__ == '__main__':
+    check_path = input('请输入您要检测的绝对路径：').strip()
+    pic_all = set()
+    use_pic = set()
+    use_eddx = set()
+    path = []
+    dir_list = get_images_dierctory(check_path)
+    get_all_pic(dir_list)
+    get_use_pic(check_path)
+    filter_pic = pic_all.difference(use_pic)
+    get_use_eddx()
+    useless_pic = filter_pic.difference(use_eddx)
+    get_useless_pic_path(check_path)
+    print('没有用的照片：', path)
+    del_useless_pic()
+    print('删除成功')

tutorials/source_zh_cn/advanced_use/optimize_the_performance_of_data_preparation.md

@@ -251,9 +251,9 @@ shuffle性能优化建议如下：
     for data in ds2.create_dict_iterator():
         print(data["data"])
     ```
-    ```
-    输出：
 
+    输出：
+    ```
     before shuffle:
     [0 1 2 3 4]
     [1 2 3 4 5]

tutorials/source_zh_cn/advanced_use/second_order_optimizer_for_resnet50_application.md

@@ -351,7 +351,7 @@ epoch: 42 step: 5004, loss is 1.6453942
 其中，
 `*.ckpt`：指保存的模型参数文件。checkpoint文件名称具体含义：*网络名称*-*epoch数*_*step数*.ckpt。
 
-##### GPU
+#### GPU
 在GPU硬件平台上，MindSpore采用OpenMPI的`mpirun`进行分布式训练，进程创建1个目录，目录名称为`train_parallel`，用来保存日志信息和训练的checkpoint文件。下面以使用8张卡的分布式训练脚本为例，演示如何运行脚本：
 ```
 sh run_distribute_train_gpu.sh [DATASET_PATH] [DEVICE_NUM]