modify docs

docs/apis/slim.md

@@ -25,14 +25,14 @@ paddlex.slim.export_quant_model(model, test_dataset, batch_size=2, batch_num=10,
 导出量化模型，该接口实现了Post Quantization量化方式，需要传入测试数据集，并设定`batch_size`和`batch_num`，模型会以`batch_size`的大小计算`batch_num`批样本数据，并以这些样本数据的计算结果为统计信息进行模型量化。
 
 ### 参数
-```
+
 * **model**(paddlex.cls.models/paddlex.det.models/paddlex.seg.models): paddlex加载的模型。
 * **test_dataset**(paddlex.dataset): 测试数据集
 * **batch_size**(int): 进行前向计算时的批数据大小
 * **batch_num**(int): 进行向前计算时批数据数量
 * **save_dir**(str): 量化后模型的保存目录
 * **cache_dir**(str): 量化过程中的统计数据临时存储目录
-```
+
 
 ### 使用示例
 点击下载如下示例中的[模型](https://bj.bcebos.com/paddlex/models/vegetables_mobilenet.tar.gz)，[数据集](https://bj.bcebos.com/paddlex/datasets/vegetables_cls.tar.gz)

docs/conf.py

@@ -76,5 +76,5 @@ if not on_rtd:  # only import and set the theme if we're building docs locally
 
 html_static_path = ['_static']
 
-html_logo = '../images/logo.png'
+html_logo = 'images/paddlex.jpg'
 

docs/metrics.md

@@ -57,7 +57,7 @@ PaddleX所有模型在训练过程中会根据用户设定的`save_interval_epoc
 
 #### YOLOv3
 
-YOLOv3的训练日志只包括训练通用统计信息（见[训练通用统计信息](http://yq01-qianmo-com-255-134-17.yq01.baidu.com:8199/metrics.html#id2)）。
+YOLOv3的训练日志只包括训练通用统计信息（见上文训练通用统计信息）。
 
 ![](images/yolo_train.png)
 
@@ -126,7 +126,7 @@ COCO格式的数据集不仅可以用于训练目标检测模型，也可以用
 
 ### 训练日志字段
 
-语义分割的训练日志只包括训练通用统计信息（见[训练通用统计信息](http://yq01-qianmo-com-255-134-17.yq01.baidu.com:8199/metrics.html#id2)）。
+语义分割的训练日志只包括训练通用统计信息（见上文训练通用统计信息）。
 
 ![](images/seg_train.png)
 

docs/model_zoo.md

@@ -62,8 +62,8 @@
 
 > 表中符号`-`表示相关指标暂未测试。
 
-| 模型|数据集 | 模型大小 | 预测速度 | mIOU |
-|:--------|:----------|:----------|:----------|:----------|
-| UNet| | COCO | 53.7M | - |
-| DeepLabv3+/Xception65| Cityscapes | 165.1M | | 0.7930 |
-| DeepLabv3+/MobileNetV2 | Cityscapes | 7.4M |  | 0.6981 |
+| 模型| 模型大小 | 预测速度 | mIOU |
+|:--------|:----------|:----------|:----------|
+| UNet|53.7M | - |-|
+| DeepLabv3+/Xception65| 165.1M |- | 0.7930 |
+| DeepLabv3+/MobileNetV2 | 7.4M | - | 0.6981 |

docs/tutorials/train/detection.md

@@ -14,7 +14,7 @@ os.environ['CUDA_VISIBLE_DEVICES'] = '0'
 import paddlex as pdx
 ```
 
-> 这里使用昆虫数据集，训练集、验证集和测试集共包含1938个样本，6个类别。
+> 这里使用昆虫数据集，训练集、验证集和测试集共包含217个样本，6个类别。
 
 ```python
 insect_dataset = 'https://bj.bcebos.com/paddlex/datasets/insect_det.tar.gz'