Update getting_started_retrieval.md

docs/zh_CN/tutorials/getting_started_retrieval.md

@@ -25,11 +25,10 @@ PaddleClas目前支持的训练/评估环境如下：
 ```
 python tools/train.py \
     -c configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
-    -o Global.pretrained_model="" \
     -o Global.use_gpu=True
 ```
 
-其中，`-c`用于指定配置文件的路径，`-o`用于指定需要修改或者添加的参数，其中`-o pretrained_model=""`表示不使用预训练模型，`-o use_gpu=True`表示使用GPU进行训练。如果希望使用CPU进行训练，则需要将`use_gpu`设置为`False`。
+其中，`-c`用于指定配置文件的路径，`-o`用于指定需要修改或者添加的参数，其中`-o use_gpu=True`表示使用GPU进行训练。如果希望使用CPU进行训练，则需要将`use_gpu`设置为`False`。
 
 更详细的训练配置，也可以直接修改模型对应的配置文件。具体配置参数参考[配置文档](config.md)。
 
@@ -43,7 +42,6 @@ python tools/train.py \
 python tools/train.py \
     -c configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
     -o Arch.Backbone.pretrained=True
-    -o Global.use_gpu=True
 ```
 
 其中`-o Arch.Backbone.pretrained`用于设置是否加载预训练模型；为True时，会自动下载预训练模型，并加载。
@@ -58,15 +56,13 @@ python tools/train.py \
     -c configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
     -o Global.checkpoints="./output/RecModel/ppcls_epoch_5" \
     -o Global.last_epoch=5 \
-    -o Global.use_gpu=True
 ```
-
 其中配置文件不需要做任何修改，只需要在继续训练时设置`Global.checkpoints`参数即可，表示加载的断点权重文件路径，使用该参数会同时加载保存的断点权重和学习率、优化器等信息。
 
 **注意**：
 * 参数`-o Global.last_epoch=5`表示将上一次训练轮次数记为`5`，即本次训练轮次数从`6`开始计算，该值默认为-1，表示本次训练轮次数从`0`开始计算。
 
-* `-o checkpoints`参数无需包含断点权重文件的后缀名，上述训练命令会在训练过程中生成如下所示的断点权重文件，若想从断点`5`继续训练，则`checkpoints`参数只需设置为`"./output/RecModel/ppcls_epoch_5"`，PaddleClas会自动补充后缀名。
+* `-o Global.checkpoints`参数无需包含断点权重文件的后缀名，上述训练命令会在训练过程中生成如下所示的断点权重文件，若想从断点`5`继续训练，则`checkpoints`参数只需设置为`"./output/RecModel/ppcls_epoch_5"`，PaddleClas会自动补充后缀名。
 
 <a name="1.4"></a>
 ### 1.4 模型评估
@@ -78,7 +74,6 @@ python tools/eval.py \
     -c ./configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
     -o Global.pretrained_model="./output/RecModel/best_model"\
 ```
-
 上述命令将使用`./configs/quick_start/ResNet50_vd_finetune_retrieval.yaml`作为配置文件，对上述训练得到的模型`./output/RecModel/best_model`进行评估。你也可以通过更改配置文件中的参数来设置评估，也可以通过`-o`参数更新配置，如上所示。
 
 <a name="2"></a>
@@ -101,20 +96,6 @@ python -m paddle.distributed.launch \
         -c ./configs/quick_start/ResNet50_vd_finetune_retrieval.yaml
 ```
 
-其中，`-c`用于指定配置文件的路径，可通过配置文件修改相关训练配置信息，也可以通过添加`-o`参数来更新配置：
-
-```bash
-python -m paddle.distributed.launch \
-    --gpus="0,1,2,3" \
-    tools/train.py \
-        -c ./configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
-        -o Global.pretrained_model="" \
-        -o Global.use_gpu=True
-```
-`-o`用于指定需要修改或者添加的参数，其中`-o pretrained_model=""`表示不使用预训练模型，`-o use_gpu=True`表示使用GPU进行训练。
-
-输出日志信息的格式同上，详见[1.1 模型训练](#1.1)。
-
 ### 2.2 模型微调
 
 根据自己的数据集配置好配置文件之后，可以加载预训练模型进行微调，如下所示。
@@ -144,7 +125,6 @@ python -m paddle.distributed.launch \
         -c ./configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
         -o Global.checkpoints="./output/RecModel/ppcls_epoch_5" \
         -o Global.last_epoch=5 \
-        -o Global.use_gpu=True
 ```
 
 其中配置文件不需要做任何修改，只需要在训练时设置`checkpoints`参数与`last_epoch`参数即可，该参数表示加载的断点权重文件路径，使用该参数会同时加载保存的模型参数权重和学习率、优化器等信息，详见[1.3 模型恢复训练](#1.3)。
@@ -155,7 +135,9 @@ python -m paddle.distributed.launch \
 可以通过以下命令进行模型评估。
 
 ```bash
-python tools/eval.py \
+python. -m paddle.distributed.launch \ 
+    --gpus="0,1,2,3" \
+    tools/eval.py \
     -c ./configs/quick_start/ResNet50_vd_finetune_retrieval.yaml \
     -o Global.pretrained_model="./output/RecModel/best_model"\
 ```
@@ -175,7 +157,7 @@ python tools/export_model.py \
     --Global.save_inference_dir ./inference \
 ```
 
-其中，`--pretrained_model`用于指定模型文件路径，该路径仍无需包含模型文件后缀名（如[1.3 模型恢复训练](#1.3)），`--output_path`用于指定转换后模型的存储路径。
+其中，`--pretrained_model`用于指定模型文件路径，该路径仍无需包含模型文件后缀名（如[1.3 模型恢复训练](#1.3)），`--save_inference_dir`用于指定转换后模型的存储路径。
 
 **注意**：
 1. `--save_inference_dir`表示输出的inference模型文件夹路径，若`--save_inference_dir=./inference`，则会在`inference`文件夹下生成`inference.pdiparams`、`inference.pdmodel`和`inference.pdiparams.info`文件。
@@ -184,6 +166,7 @@ python tools/export_model.py \
 ### 3.2 构建底库
 通过检索方式来进行图像识别，需要构建底库。底库构建方式如下：
 ```bash
+cd deploy
 python python/build_gallery.py 
        -c configs/build_flowers.yaml \
        -o Global.rec_inference_model_dir "../inference" \