update docs

README.md

@@ -31,7 +31,7 @@ PaddleHub是飞桨预训练模型管理和迁移学习工具，通过PaddleHub
 * Python==2.7 or Python>=3.5 for Linux or Mac
 
   **Python>=3.6 for Windows**
-  
+
 * PaddlePaddle>=1.5
 
 除上述依赖外，PaddleHub的预训练模型和预置数据集需要连接服务端进行下载，请确保机器可以正常访问网络。若本地已存在相关的数据集和预训练模型，则可以离线运行PaddleHub。

demo/README.md

@@ -10,10 +10,10 @@
 
 * [情感分析](./senta)
   该样例展示了PaddleHub如何利用中文情感分析模型Senta进行FineTune和预测。
-  
+
 * [序列标注](./sequence-labeling)
   该样例展示了PaddleHub如何将ERNIE/BERT等Transformer类模型作为预训练模型在MSRA_NER数据集上完成序列标注的FineTune和预测。
-  
+
 * [目标检测](./ssd)
   该样例展示了PaddleHub如何将SSD作为预训练模型在PascalVOC数据集上完成目标检测的预测。
 
@@ -22,7 +22,7 @@
 
 * [多标签分类](./multi-label-classification)
   该样例展示了PaddleHub如何将BERT作为预训练模型在Toxic数据集上完成多标签分类的FineTune和预测。
-  
+
 * [回归任务](./regression)
   该样例展示了PaddleHub如何将BERT作为预训练模型在GLUE-STSB数据集上完成回归任务的FineTune和预测。
 
@@ -34,10 +34,10 @@
 
 * [句子语义相似度计算](./sentence_similarity)
   该样例展示了PaddleHub如何将word2vec_skipgram用于计算两个文本语义相似度。
-  
+
 * [超参优化AutoDL Finetuner使用](./autofinetune)
   该样例展示了PaddleHub超参优化AutoDL Finetuner如何使用，给出了自动搜素图像分类/文本分类任务的较佳超参数示例。
-  
+
 * [服务化部署Hub Serving使用](./serving)
   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。
 

demo/lac/README.md

@@ -18,16 +18,16 @@ $ hub run lac --input_file test.txt --user_dict user.dict
 test.txt 存放待分词文本， 如：
 
 ```text
-今天是个好日子     
+今天是个好日子  
 今天天气晴朗
 ```
 user.dict为用户自定义词典，可以不指定，当指定自定义词典时，可以干预默认分词结果。
 词典包含三列，第一列为单词，第二列为单词词性，第三列为单词词频，以水平制表符\t分隔。词频越高的单词，对分词结果影响越大，词典样例如下：
 
 ```text
-天气预报        n       400000        
-经      v       1000        
-常      d       1000          
+天气预报        n       400000  
+经      v       1000  
+常      d       1000  
 ```
 
 **NOTE:**

demo/senta/README.md

@@ -158,7 +158,7 @@ $ tensorboard --logdir $CKPT_DIR/visualization --host ${HOST_IP} --port ${PORT_N
 配置脚本参数
 ```
 CKPT_DIR="ckpt_chnsentiment/"
-python predict.py --checkpoint_dir $CKPT_DIR 
+python predict.py --checkpoint_dir $CKPT_DIR
 ```
 其中CKPT_DIR为Finetune API保存最佳模型的路径