some details modify

docs/data/format/classification.md

@@ -24,10 +24,13 @@ MyDataset/ # 图像分类数据集根目录
 ## 划分训练集验证集
 
 **为了用于训练，我们需要在`MyDataset`目录下准备`train_list.txt`, `val_list.txt`和`labels.txt`三个文件**，分别用于表示训练集列表，验证集列表和类别标签列表。[点击下载图像分类示例数据集](https://bj.bcebos.com/paddlex/datasets/vegetables_cls.tar.gz)
+
+<!--
 > 注：也可使用PaddleX自带工具，对数据集进行随机划分，**在数据集按照上面格式组织后**，使用如下命令即可快速完成数据集随机划分，其中split指标训练集的比例，剩余的比例用于验证集。
 > ```
 > paddlex --split_dataset --from ImageNet --split 0.8 --save_dir ./splited_dataset_dir
 > ```
+-->
 
 **labels.txt**  
 
@@ -60,8 +63,14 @@ val_list列出用于验证时的图片集成，与其对应的类别id，格式
 ```
 import paddlex as pdx
 from paddlex.cls import transforms
-train_transforms = transforms.ComposedClsTransforms(mode='train', crop_size=[224, 224])
-eval_transforms = transforms.ComposedClsTransforms(mode='eval', crop_size=[224, 224])
+train_transforms = transforms.Compose([
+    transforms.RandomCrop(crop_size=224), transforms.RandomHorizontalFlip(),
+    transforms.Normalize()
+])
+eval_transforms = transforms.Compose([
+    transforms.ResizeByShort(short_size=256),
+    transforms.CenterCrop(crop_size=224), transforms.Normalize()
+])
 train_dataset = pdx.datasets.ImageNet(
                     data_dir='./MyDataset',
                     file_list='./MyDataset/train_list.txt',

docs/data/format/detection.md

@@ -21,10 +21,13 @@ MyDataset/ # 目标检测数据集根目录
 ## 划分训练集验证集
 
 **为了用于训练，我们需要在`MyDataset`目录下准备`train_list.txt`, `val_list.txt`和`labels.txt`三个文件**，分别用于表示训练集列表，验证集列表和类别标签列表。[点击下载目标检测示例数据集](https://bj.bcebos.com/paddlex/datasets/insect_det.tar.gz)
+
+<!--
 > 注：也可使用PaddleX自带工具，对数据集进行随机划分，**在数据集按照上面格式组织后**，使用如下命令即可快速完成数据集随机划分，其中split指标训练集的比例，剩余的比例用于验证集。
 > ```
 > paddlex --split_dataset --from PascalVOC --pics ./JPEGImages --annotations ./Annotations --split 0.8 --save_dir ./splited_dataset_dir
 > ```
+-->
 
 **labels.txt**  
 
@@ -56,8 +59,18 @@ val_list列出用于验证时的图片集成，与其对应的标注文件，格
 import paddlex as pdx
 from paddlex.det import transforms
 
-train_transforms = transforms.ComposedYOLOv3Transforms(mode='train', shape=[608, 608])
-eval_transforms = transforms.ComposedYOLOv3Transforms(mode='eval', shape=[608, 608])
+train_transforms = transforms.Compose([
+    transforms.RandomHorizontalFlip(),
+    transforms.Normalize(),
+    transforms.ResizeByShort(short_size=800, max_size=1333),
+    transforms.Padding(coarsest_stride=32)
+])
+
+eval_transforms = transforms.Compose([
+    transforms.Normalize(),
+    transforms.ResizeByShort(short_size=800, max_size=1333),
+    transforms.Padding(coarsest_stride=32),
+])
 
 train_dataset = pdx.datasets.VOCDetection(
                         data_dir='./MyDataset',

docs/data/format/instance_segmentation.md

@@ -17,10 +17,13 @@ MyDataset/ # 实例分割数据集根目录
 ## 划分训练集验证集
 
 在PaddleX中，为了区分训练集和验证集，在`MyDataset`同级目录，使用不同的json表示数据的划分，例如`train.json`和`val.json`。[点击下载实例分割示例数据集](https://bj.bcebos.com/paddlex/datasets/garbage_ins_det.tar.gz)。
+
+<!--
 > 注：也可使用PaddleX自带工具，对数据集进行随机划分，在数据按照上述示例组织结构后，使用如下命令，即可快速完成数据集随机划分，其中split指定训练集的比例，剩余比例用于验证集。
 > ```
 > paddlex --split_dataset --from MSCOCO --pics ./JPEGImages --annotations ./annotations.json --split 0.8 --save_dir ./splited_dataset_dir
 > ```
+-->
 
 MSCOCO数据的标注文件采用json格式，用户可使用Labelme, 精灵标注助手或EasyData等标注工具进行标注，参见[数据标注工具](../annotations.md)
 
@@ -30,8 +33,18 @@ MSCOCO数据的标注文件采用json格式，用户可使用Labelme, 精灵标
 import paddlex as pdx
 from paddlex.det import transforms
 
-train_transforms = transforms.ComposedRCNNTransforms(mode='train', min_max_size=[800, 1333])
-eval_transforms = transforms.ComposedRCNNTransforms(mode='eval', min_max_size=[800, 1333])
+train_transforms = transforms.Compose([
+    transforms.RandomHorizontalFlip(),
+    transforms.Normalize(),
+    transforms.ResizeByShort(short_size=800, max_size=1333),
+    transforms.Padding(coarsest_stride=32)
+])
+
+eval_transforms = transforms.Compose([
+    transforms.Normalize(),
+    transforms.ResizeByShort(short_size=800, max_size=1333),
+    transforms.Padding(coarsest_stride=32),
+])
 
 train_dataset = pdx.dataset.CocoDetection(
                     data_dir='./MyDataset/JPEGImages',

docs/data/format/segmentation.md

@@ -22,10 +22,13 @@ MyDataset/ # 语义分割数据集根目录
 ## 划分训练集验证集
 
 **为了用于训练，我们需要在`MyDataset`目录下准备`train_list.txt`, `val_list.txt`和`labels.txt`三个文件**，分别用于表示训练集列表，验证集列表和类别标签列表。[点击下载语义分割示例数据集](https://bj.bcebos.com/paddlex/datasets/optic_disc_seg.tar.gz)
+
+<!--
 > 注：也可使用PaddleX自带工具，对数据集进行随机划分，**在数据集按照上面格式组织后**，使用如下命令即可快速完成数据集随机划分，其中split指标训练集的比例，剩余的比例用于验证集。
 > ```
 > paddlex --split_dataset --from Seg --pics ./JPEGImages --annotations ./Annotations --split 0.8 --save_dir ./splited_dataset_dir
 > ```
+-->
 
 **labels.txt**  
 
@@ -58,8 +61,18 @@ val_list列出用于验证时的图片集成，与其对应的标注文件，格
 import paddlex as pdx
 from paddlex.seg import transforms
 
-train_transforms = transforms.ComposedSegTransforms(mode='train', train_crop_size=[512, 512])
-eval_transforms = transforms.ComposedSegTransforms(mode='eval', train_crop_size=[512, 512])
+train_transforms = transforms.Compose([
+    transforms.RandomHorizontalFlip(),
+    transforms.ResizeRangeScaling(),
+    transforms.RandomPaddingCrop(crop_size=512),
+    transforms.Normalize()
+])
+
+eval_transforms = transforms.Compose([
+    transforms.ResizeByLong(long_size=512),
+    transforms.Padding(target_size=512),
+    transforms.Normalize()
+])
 
 train_dataset = pdx.datasets.SegDataset(
                         data_dir='./MyDataset',
@@ -71,5 +84,4 @@ eval_dataset = pdx.datasets.SegDataset(
                         file_list='./MyDataset/val_list.txt',
                         label_list='MyDataset/labels.txt',
                         transforms=eval_transforms)
-
 ```

docs/quick_start.md

@@ -14,8 +14,8 @@ PaddleX中的所有模型训练跟随以下3个步骤，即可快速完成训练
 
 PaddleX的其它用法
 
+- <a href="#训练过程使用VisualDL查看训练指标变化">使用VisualDL查看训练过程中的指标变化</a>
 - <a href="#加载训练保存的模型预测">加载训练保存的模型进行预测</a>
-- [使用VisualDL查看训练过程中的指标变化]()
 
 
 <a name="安装PaddleX"></a>

tutorials/train/image_classification/alexnet.py

-import os
 from paddlex.cls import transforms
 import paddlex as pdx