Fix README

understand_sentiment/README.md

@@ -223,11 +223,11 @@ if __name__ == '__main__':
 ```
 加载数据字典，这里通过`word_dict()`API可以直接构造字典。`class_dim`是指样本类别数，该示例中样本只有正负两类。
 ```
-    train_reader = paddle.reader.batched(
+    train_reader = paddle.batch(
         paddle.reader.shuffle(
             lambda: paddle.dataset.imdb.train(word_dict), buf_size=1000),
         batch_size=100)
-    test_reader = paddle.reader.batched(
+    test_reader = paddle.batch(
         lambda: paddle.dataset.imdb.test(word_dict),
         batch_size=100)
 ```
@@ -272,12 +272,7 @@ Paddle中提供了一系列优化算法的API，这里使用Adam优化算法。
                 sys.stdout.write('.')
                 sys.stdout.flush()
         if isinstance(event, paddle.event.EndPass):
-            result = trainer.test(
-                reader=paddle.reader.batched(
-                    lambda: paddle.dataset.imdb.test(word_dict),
-                    batch_size=128),
-                reader_dict={'word': 0,
-                             'label': 1})
+            result = trainer.test(reader=test_reader, reader_dict=reader_dict)
             print "\nTest with Pass %d, %s" % (event.pass_id, result.metrics)
 ```
 可以通过给train函数传递一个`event_handler`来获取每个batch和每个pass结束的状态。比如构造如下一个`event_handler`可以在每100个batch结束后输出cost和error；在每个pass结束后调用`trainer.test`计算一遍测试集并获得当前模型在测试集上的error。
@@ -288,15 +283,10 @@ Paddle中提供了一系列优化算法的API，这里使用Adam优化算法。
                                  update_equation=adam_optimizer)
 
     trainer.train(
-        reader=paddle.reader.batched(
-            paddle.reader.shuffle(
-                lambda: paddle.dataset.imdb.train(word_dict), buf_size=1000),
-            batch_size=100),
+        reader=train_reader,
         event_handler=event_handler,
-        reader_dict={'word': 0,
-                     'label': 1},
-        num_passes=10)
-
+        reader_dict=reader_dict,
+        num_passes=2)
 ```
 程序运行之后的输出如下。
 ```