fix Chinese readme 代码示例->预测代码示例

modules/image/Image_gan/gan/stgan_bald/README.md

@@ -38,7 +38,7 @@
  | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/Photo2Cartoon/README.md

-# Photo2Cartoon
-
-|模型名称|Photo2Cartoon|
-| :--- | :---: |
-|类别|图像 - 图像生成|
-|网络|U-GAT-IT|
-|数据集|cartoon_data|
-|是否支持Fine-tuning|否|
-|模型大小|205MB|
-|最新更新日期|2021-02-26|
-|数据指标|-|
-
-
-## 一、模型基本信息
-
-- ### 应用效果展示
-  - 样例结果示例：
-    <p align="center">
-    <img src="https://img-blog.csdnimg.cn/20201224164040624.jpg"   hspace='10'/> <br />
-    </p>
-
-
-
-- ### 模型介绍
-
-  - 本模型封装自[小视科技photo2cartoon项目的paddlepaddle版本](https://github.com/minivision-ai/photo2cartoon-paddle)。
-
-
-## 二、安装
-
-- ### 1、环境依赖  
-
-  - paddlepaddle >= 2.0.0  
-
-  - paddlehub >= 2.0.0   | [如何安装paddlehub](../../../../docs/docs_ch/get_start/installation.rst)  
-
-- ### 2、安装
-
-  - ```shell
-    $ hub install Photo2Cartoon
-    ```
-  - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
- | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
-
-## 三、模型API预测
-
-- ### 1、代码示例
-
-  - ```python
-    import paddlehub as hub
-    import cv2
-
-    model = hub.Module(name="Photo2Cartoon")
-    result = model.Cartoon_GEN(images=[cv2.imread('/PATH/TO/IMAGE')])
-    # or
-    # result = model.Cartoon_GEN(paths=['/PATH/TO/IMAGE'])
-    ```
-
-- ### 2、API
-
-  - ```python
-    def Cartoon_GEN(images=None,
-                    paths=None,
-                    batch_size=1,
-                    output_dir='output',
-                    visualization=False,
-                    use_gpu=False):
-    ```
-
-    - 人像卡通化图像生成API。
-
-    - **参数**
-
-      - images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]；<br/>
-      - paths (list\[str\]): 输入图像路径；<br/>
-      - output\_dir (str): 图片的保存路径，默认设为 output；<br/>
-      - batch_size (int) : batch大小；<br/>  
-      - visualization (bool) : 是否将结果保存为图片文件；；<br/>
-      - use_gpu (bool) : 是否使用 GPU 进行推理。
-
-      **NOTE:** paths和images两个参数选择其一进行提供数据
-
-    - **返回**
-      - res (list\[numpy.ndarray\]): 输出图像数据，ndarray.shape 为 \[H, W, C\]
-
-
-
-## 四、更新历史
-
-* 1.0.0
-
-  初始发布
-
-  - ```shell
-    $ hub install Photo2Cartoon==1.0.0
+# Photo2Cartoon
+
+|模型名称|Photo2Cartoon|
+| :--- | :---: |
+|类别|图像 - 图像生成|
+|网络|U-GAT-IT|
+|数据集|cartoon_data|
+|是否支持Fine-tuning|否|
+|模型大小|205MB|
+|最新更新日期|2021-02-26|
+|数据指标|-|
+
+
+## 一、模型基本信息
+
+- ### 应用效果展示
+  - 样例结果示例：
+    <p align="center">
+    <img src="https://img-blog.csdnimg.cn/20201224164040624.jpg"   hspace='10'/> <br />
+    </p>
+
+
+
+- ### 模型介绍
+
+  - 本模型封装自[小视科技photo2cartoon项目的paddlepaddle版本](https://github.com/minivision-ai/photo2cartoon-paddle)。
+
+
+## 二、安装
+
+- ### 1、环境依赖  
+
+  - paddlepaddle >= 2.0.0  
+
+  - paddlehub >= 2.0.0   | [如何安装paddlehub](../../../../docs/docs_ch/get_start/installation.rst)  
+
+- ### 2、安装
+
+  - ```shell
+    $ hub install Photo2Cartoon
+    ```
+  - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
+ | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
+
+## 三、模型API预测
+
+- ### 1、预测代码示例
+
+  - ```python
+    import paddlehub as hub
+    import cv2
+
+    model = hub.Module(name="Photo2Cartoon")
+    result = model.Cartoon_GEN(images=[cv2.imread('/PATH/TO/IMAGE')])
+    # or
+    # result = model.Cartoon_GEN(paths=['/PATH/TO/IMAGE'])
+    ```
+
+- ### 2、API
+
+  - ```python
+    def Cartoon_GEN(images=None,
+                    paths=None,
+                    batch_size=1,
+                    output_dir='output',
+                    visualization=False,
+                    use_gpu=False):
+    ```
+
+    - 人像卡通化图像生成API。
+
+    - **参数**
+
+      - images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]；<br/>
+      - paths (list\[str\]): 输入图像路径；<br/>
+      - output\_dir (str): 图片的保存路径，默认设为 output；<br/>
+      - batch_size (int) : batch大小；<br/>  
+      - visualization (bool) : 是否将结果保存为图片文件；；<br/>
+      - use_gpu (bool) : 是否使用 GPU 进行推理。
+
+      **NOTE:** paths和images两个参数选择其一进行提供数据
+
+    - **返回**
+      - res (list\[numpy.ndarray\]): 输出图像数据，ndarray.shape 为 \[H, W, C\]
+
+
+
+## 四、更新历史
+
+* 1.0.0
+
+  初始发布
+
+  - ```shell
+    $ hub install Photo2Cartoon==1.0.0
     ```

modules/image/Image_gan/style_transfer/U2Net_Portrait/README.md

-# U2Net_Portrait
-
-|模型名称|U2Net_Portrait|
-| :--- | :---: |
-|类别|图像 - 图像生成|
-|网络|U^2Net|
-|数据集|-|
-|是否支持Fine-tuning|否|
-|模型大小|254MB|
-|最新更新日期|2021-02-26|
-|数据指标|-|
-
-
-## 一、模型基本信息
-
-- ### 应用效果展示
-  - 样例结果示例：
-    <p align="center">
-    <img src="https://ai-studio-static-online.cdn.bcebos.com/07f73466f3294373965e06c141c4781992f447104a94471dadfabc1c3d920861"  height='50%' hspace='10'/>
-    <br />
-    输入图像
-    <br />
-    <img src="https://ai-studio-static-online.cdn.bcebos.com/c6ab02cf27414a5ba5921d9e6b079b487f6cda6026dc4d6dbca8f0167ad7cae3"   height='50%' hspace='10'/>
-    <br />
-    输出图像
-    <br />
-    </p>
-
-
-- ### 模型介绍
-
-  - U2Net_Portrait 可以用于提取人脸的素描结果。
-
-
-## 二、安装
-
-- ### 1、环境依赖  
-
-  - paddlepaddle >= 2.0.0  
-
-  - paddlehub >= 2.0.0  | [如何安装paddlehub](../../../../docs/docs_ch/get_start/installation.rst)
-
-- ### 2、安装
-
-  - ```shell
-    $ hub install U2Net_Portrait
-    ```
-  - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
- | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
-
-## 三、模型API预测
-
-- ### 1、代码示例
-
-  - ```python
-    import paddlehub as hub
-    import cv2
-
-    model = hub.Module(name="U2Net_Portrait")
-    result = model.Cartoon_GEN(images=[cv2.imread('/PATH/TO/IMAGE')])
-    # or
-    # result = model.Cartoon_GEN(paths=['/PATH/TO/IMAGE'])
-    ```
-
-- ### 2、API
-
-  - ```python
-    def Portrait_GEN(images=None,
-                    paths=None,
-                    scale=1,
-                    batch_size=1,
-                    output_dir='output',
-                    face_detection=True,
-                    visualization=False):
-    ```
-
-    - 人脸画像生成API。
-
-    - **参数**
-
-      - images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]；<br/>
-      - paths (list\[str\]): 输入图像路径；<br/>
-      - scale (float) : 缩放因子（与face_detection相关联)；<br/>
-      - batch_size (int) : batch大小；<br/>
-      - output\_dir (str): 图片的保存路径，默认设为 output；<br/>
-      - visualization (bool) : 是否将结果保存为图片文件；；<br/>
-
-      **NOTE:** paths和images两个参数选择其一进行提供数据
-
-    - **返回**
-      - res (list\[numpy.ndarray\]): 输出图像数据，ndarray.shape 为 \[H, W, C\]
-
-
-
-## 四、更新历史
-
-* 1.0.0
-
-  初始发布
-
-  - ```shell
-    $ hub install U2Net_Portrait==1.0.0
-    ```
+# U2Net_Portrait
+
+|模型名称|U2Net_Portrait|
+| :--- | :---: |
+|类别|图像 - 图像生成|
+|网络|U^2Net|
+|数据集|-|
+|是否支持Fine-tuning|否|
+|模型大小|254MB|
+|最新更新日期|2021-02-26|
+|数据指标|-|
+
+
+## 一、模型基本信息
+
+- ### 应用效果展示
+  - 样例结果示例：
+    <p align="center">
+    <img src="https://ai-studio-static-online.cdn.bcebos.com/07f73466f3294373965e06c141c4781992f447104a94471dadfabc1c3d920861"  height='50%' hspace='10'/>
+    <br />
+    输入图像
+    <br />
+    <img src="https://ai-studio-static-online.cdn.bcebos.com/c6ab02cf27414a5ba5921d9e6b079b487f6cda6026dc4d6dbca8f0167ad7cae3"   height='50%' hspace='10'/>
+    <br />
+    输出图像
+    <br />
+    </p>
+
+
+- ### 模型介绍
+
+  - U2Net_Portrait 可以用于提取人脸的素描结果。
+
+
+## 二、安装
+
+- ### 1、环境依赖  
+
+  - paddlepaddle >= 2.0.0  
+
+  - paddlehub >= 2.0.0  | [如何安装paddlehub](../../../../docs/docs_ch/get_start/installation.rst)
+
+- ### 2、安装
+
+  - ```shell
+    $ hub install U2Net_Portrait
+    ```
+  - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
+ | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
+
+## 三、模型API预测
+
+- ### 1、预测代码示例
+
+  - ```python
+    import paddlehub as hub
+    import cv2
+
+    model = hub.Module(name="U2Net_Portrait")
+    result = model.Cartoon_GEN(images=[cv2.imread('/PATH/TO/IMAGE')])
+    # or
+    # result = model.Cartoon_GEN(paths=['/PATH/TO/IMAGE'])
+    ```
+
+- ### 2、API
+
+  - ```python
+    def Portrait_GEN(images=None,
+                    paths=None,
+                    scale=1,
+                    batch_size=1,
+                    output_dir='output',
+                    face_detection=True,
+                    visualization=False):
+    ```
+
+    - 人脸画像生成API。
+
+    - **参数**
+
+      - images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]；<br/>
+      - paths (list\[str\]): 输入图像路径；<br/>
+      - scale (float) : 缩放因子（与face_detection相关联)；<br/>
+      - batch_size (int) : batch大小；<br/>
+      - output\_dir (str): 图片的保存路径，默认设为 output；<br/>
+      - visualization (bool) : 是否将结果保存为图片文件；；<br/>
+
+      **NOTE:** paths和images两个参数选择其一进行提供数据
+
+    - **返回**
+      - res (list\[numpy.ndarray\]): 输出图像数据，ndarray.shape 为 \[H, W, C\]
+
+
+
+## 四、更新历史
+
+* 1.0.0
+
+  初始发布
+
+  - ```shell
+    $ hub install U2Net_Portrait==1.0.0
+    ```

modules/image/Image_gan/style_transfer/UGATIT_100w/README.md

@@ -50,7 +50,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v1_hayao_60/README.md

@@ -51,7 +51,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v2_hayao_64/README.md

@@ -49,7 +49,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v2_hayao_99/README.md

@@ -51,7 +51,7 @@
 ## 三、模型API预测
 
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v2_paprika_74/README.md

@@ -50,7 +50,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v2_paprika_98/README.md

@@ -50,7 +50,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v2_shinkai_33/README.md

@@ -50,7 +50,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/animegan_v2_shinkai_53/README.md

@@ -50,7 +50,7 @@
 
 ## 三、模型API预测
 
-- ### 1、代码示例
+- ### 1、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/Image_gan/style_transfer/stylepro_artistic/README.md

@@ -48,7 +48,7 @@
     $ hub run stylepro_artistic --input_path "/PATH/TO/IMAGE"
     ```
   - 通过命令行方式实现风格转换模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/DriverStatusRecognition/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/SnakeIdentification/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/alexnet_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/darknet53_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现文字识别模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/densenet121_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/densenet161_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/densenet169_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/densenet201_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/densenet264_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/dpn107_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/dpn131_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/dpn68_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/dpn92_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/dpn98_imagenet/README.md

@@ -47,7 +47,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb0_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb0_small_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb1_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb2_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb3_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb4_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb5_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb6_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/efficientnetb7_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/fix_resnext101_32x48d_wsl_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/food_classification/README.md

@@ -47,7 +47,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/googlenet_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/inception_v4_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/marine_biometrics/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/mobilenet_v2_animals/README.md

@@ -47,7 +47,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/mobilenet_v2_dishes/README.md

@@ -51,7 +51,7 @@
     ```
   - 通过命令行方式实现菜品分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/mobilenet_v2_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/mobilenet_v2_imagenet_ssld/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/mobilenet_v3_large_imagenet_ssld/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/mobilenet_v3_small_imagenet_ssld/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/nasnet_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/pnasnet_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/res2net101_vd_26w_4s_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet18_vd_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet50_vd_10w/README.md

@@ -39,7 +39,7 @@
 
 ## 三、模型API预测
 
-- ### 1、预测代码示例
+- ### 1、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet50_vd_dishes/README.md

@@ -51,7 +51,7 @@
     ```
   - 通过命令行方式实现菜品分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet50_vd_wildanimals/README.md

@@ -47,7 +47,7 @@
     ```
   - 通过命令行方式实现分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet_v2_101_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet_v2_152_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet_v2_18_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet_v2_34_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnet_v2_50_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_32x16d_wsl/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_32x32d_wsl/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_32x48d_wsl/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_32x4d_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_32x8d_wsl/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_64x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_vd_32x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext101_vd_64x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext152_32x4d_imagenet/README.md

@@ -46,7 +46,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext152_64x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext152_vd_64x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext50_32x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext50_64x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext50_vd_32x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/resnext50_vd_64x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/se_resnet18_vd_imagenet/README.md

@@ -84,7 +84,7 @@ def save_inference_model(dirname,
 * params\_filename: 参数文件名称，默认为\_\_params\_\_(仅当`combined`为True时生效)
 * combined: 是否将参数保存到统一的一个文件中
 
-## 预测代码示例
+## 预测预测代码示例
 
 ```python
 import paddlehub as hub

modules/image/classification/se_resnext101_32x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/se_resnext50_32x4d_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/shufflenet_v2_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/spinalnet_res101_gemstone/README.md

@@ -44,7 +44,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/spinalnet_res50_gemstone/README.md

@@ -44,7 +44,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/spinalnet_vgg16_gemstone/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/vgg11_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/vgg13_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/vgg16_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/vgg19_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/xception41_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/xception65_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/classification/xception71_imagenet/README.md

@@ -45,7 +45,7 @@
     ```
   - 通过命令行方式实现图像分类模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、预测代码示例
+- ### 2、预测预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/depth_estimation/MiDaS_Large/README.md

-# MiDaS_Large
-
-|模型名称|MiDaS_Large|
-| :--- | :---: |
-|类别|图像 - 深度估计|
-|网络|-|
-|数据集|3D Movies, WSVD, ReDWeb, MegaDepth|
-|是否支持Fine-tuning|否|
-|模型大小|399MB|
-|最新更新日期|2021-02-26|
-|数据指标|-|
-
-
-## 一、模型基本信息
-
-- ### 应用效果展示
-  - 样例结果示例：
-    <p align="center">
-    <img src="https://img-blog.csdnimg.cn/20201227112600975.jpg"  width='70%' hspace='10'/> <br />
-    </p>
-
-
-- ### 模型介绍
-
-  - MiDaS_Large是一个单目深度估计模型，模型可通过输入图像估计其中的深度信息。
-
-
-## 二、安装
-
-- ### 1、环境依赖  
-
-  - paddlepaddle >= 2.0.0  
-
-  - paddlehub >= 2.0.0   | [如何安装paddlehub](../../../../docs/docs_ch/get_start/installation.rst)  
-
-- ### 2、安装
-
-  - ```shell
-    $ hub install MiDaS_Large
-    ```
-  - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
- | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
-
-## 三、模型API预测
-
-- ### 1、代码示例
-
-  - ```python
-    import paddlehub as hub
-    import cv2
-
-    model = hub.Module(name="MiDaS_Large")
-    result = model.depth_estimation(images=[cv2.imread('/PATH/TO/IMAGE')])
-    # or
-    # result = model.depth_estimation(paths=['/PATH/TO/IMAGE'])
-    ```
-
-- ### 2、API
-
-  - ```python
-    def depth_estimation(images=None,
-                    paths=None,
-                    batch_size=1,
-                    output_dir='output',
-                    visualization=False):
-    ```
-
-    - 深度估计API。
-
-    - **参数**
-
-      - images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]；<br/>
-      - paths (list\[str\]): 图片的路径；<br/>
-      - batch_size (int) : batch 的大小；<br/>
-      - output\_dir (str): 图片的保存路径，默认设为 output；<br/>
-      - visualization (bool) : 是否将结果保存为图片文件。
-
-      **NOTE:** paths和images两个参数选择其一进行提供数据
-
-    - **返回**
-      - res (list\[numpy.ndarray\]): 图像深度数据，ndarray.shape 为 \[H, W\]
-
-
-## 四、更新历史
-
-* 1.0.0
-
-  初始发布
-
-  - ```shell
-    $ hub install MiDaS_Large==1.0.0
+# MiDaS_Large
+
+|模型名称|MiDaS_Large|
+| :--- | :---: |
+|类别|图像 - 深度估计|
+|网络|-|
+|数据集|3D Movies, WSVD, ReDWeb, MegaDepth|
+|是否支持Fine-tuning|否|
+|模型大小|399MB|
+|最新更新日期|2021-02-26|
+|数据指标|-|
+
+
+## 一、模型基本信息
+
+- ### 应用效果展示
+  - 样例结果示例：
+    <p align="center">
+    <img src="https://img-blog.csdnimg.cn/20201227112600975.jpg"  width='70%' hspace='10'/> <br />
+    </p>
+
+
+- ### 模型介绍
+
+  - MiDaS_Large是一个单目深度估计模型，模型可通过输入图像估计其中的深度信息。
+
+
+## 二、安装
+
+- ### 1、环境依赖  
+
+  - paddlepaddle >= 2.0.0  
+
+  - paddlehub >= 2.0.0   | [如何安装paddlehub](../../../../docs/docs_ch/get_start/installation.rst)  
+
+- ### 2、安装
+
+  - ```shell
+    $ hub install MiDaS_Large
+    ```
+  - 如您安装时遇到问题，可参考：[零基础windows安装](../../../../docs/docs_ch/get_start/windows_quickstart.md)
+ | [零基础Linux安装](../../../../docs/docs_ch/get_start/linux_quickstart.md) | [零基础MacOS安装](../../../../docs/docs_ch/get_start/mac_quickstart.md)
+
+## 三、模型API预测
+
+- ### 1、预测代码示例
+
+  - ```python
+    import paddlehub as hub
+    import cv2
+
+    model = hub.Module(name="MiDaS_Large")
+    result = model.depth_estimation(images=[cv2.imread('/PATH/TO/IMAGE')])
+    # or
+    # result = model.depth_estimation(paths=['/PATH/TO/IMAGE'])
+    ```
+
+- ### 2、API
+
+  - ```python
+    def depth_estimation(images=None,
+                    paths=None,
+                    batch_size=1,
+                    output_dir='output',
+                    visualization=False):
+    ```
+
+    - 深度估计API。
+
+    - **参数**
+
+      - images (list\[numpy.ndarray\]): 图片数据，ndarray.shape 为 \[H, W, C\]；<br/>
+      - paths (list\[str\]): 图片的路径；<br/>
+      - batch_size (int) : batch 的大小；<br/>
+      - output\_dir (str): 图片的保存路径，默认设为 output；<br/>
+      - visualization (bool) : 是否将结果保存为图片文件。
+
+      **NOTE:** paths和images两个参数选择其一进行提供数据
+
+    - **返回**
+      - res (list\[numpy.ndarray\]): 图像深度数据，ndarray.shape 为 \[H, W\]
+
+
+## 四、更新历史
+
+* 1.0.0
+
+  初始发布
+
+  - ```shell
+    $ hub install MiDaS_Large==1.0.0
     ```

modules/image/face_detection/pyramidbox_face_detection/README.md

@@ -51,7 +51,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/face_detection/pyramidbox_lite_mobile/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/face_detection/pyramidbox_lite_mobile_mask/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/face_detection/pyramidbox_lite_server/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/face_detection/pyramidbox_lite_server_mask/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/face_detection/ultra_light_fast_generic_face_detector_1mb_320/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/face_detection/ultra_light_fast_generic_face_detector_1mb_640/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现人脸检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/object_detection/faster_rcnn_resnet50_coco2017/README.md

@@ -50,7 +50,7 @@
     $ hub run faster_rcnn_resnet50_coco2017 --input_path "/PATH/TO/IMAGE"
     ```
   - 通过命令行方式实现目标检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/object_detection/faster_rcnn_resnet50_fpn_coco2017/README.md

@@ -50,7 +50,7 @@
     ```
   - 通过命令行方式实现目标检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
 
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/object_detection/ssd_mobilenet_v1_pascal/README.md

@@ -49,7 +49,7 @@
     $ hub run ssd_mobilenet_v1_pascal --input_path "/PATH/TO/IMAGE"
     ```
   - 通过命令行方式实现目标检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/object_detection/ssd_vgg16_512_coco2017/README.md

@@ -49,7 +49,7 @@
     $ hub run ssd_vgg16_512_coco2017 --input_path "/PATH/TO/IMAGE"
     ```
   - 通过命令行方式实现目标检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub

modules/image/object_detection/yolov3_darknet53_coco2017/README.md

@@ -49,7 +49,7 @@
     $ hub run yolov3_darknet53_coco2017 --input_path "/PATH/TO/IMAGE"
     ```
   - 通过命令行方式实现目标检测模型的调用，更多请见 [PaddleHub命令行指令](../../../../docs/docs_ch/tutorial/cmd_usage.rst)
-- ### 2、代码示例
+- ### 2、预测代码示例
 
   - ```python
     import paddlehub as hub