change to use stnet example.

fluid/PaddleCV/video/README.md

@@ -28,36 +28,30 @@
 
 视频模型库提供通用的train/test/infer框架，通过`train.py/test.py/infer.py`指定模型名、模型配置参数等可一键式进行训练和预测。
 
-视频模型库目前支持的模型包括：[Attention Cluster](./models/attention_cluster/README.md), [Attention LSTM](./models/attention_lstm/README.md), [NeXtVLAD](./models/nextvlad/README.md), [StNet](./models/stnet/README.md), [TSN](./models/tsn/README.md)。
-
-以AttentionCluster模型为例：
+以StNet模型为例：
 
 单卡训练：
 
 ``` bash
 export CUDA_VISIBLE_DEVICES=0
-python train.py --model-name=AttentionCluster
-        --config=./configs/attention_cluster.txt
+python train.py --model-name=STNET
+        --config=./configs/stnet.txt
         --save-dir=checkpoints
-        --log-interval=10
-        --valid-interval=1
 ```
 
 多卡训练：
 
 ``` bash
 export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
-python train.py --model-name=AttentionCluster
-        --config=./configs/attention_cluster.txt
+python train.py --model-name=STNET
+        --config=./configs/stnet.txt
         --save-dir=checkpoints
-        --log-interval=10
-        --valid-interval=1
 ```
 
 视频模型库同时提供了快速训练脚本，脚本位于`scripts/train`目录下，可通过如下命令启动训练:
 
 ``` bash
-sh scripts/train/train_attention_cluster.sh
+sh scripts/train/train_stnet.sh
 ```
 
 - 请根据`CUDA_VISIBLE_DEVICES`指定卡数修改`config`文件中的`num_gpus`和`batch_size`配置。
@@ -77,7 +71,7 @@ sh scripts/train/train_attention_cluster.sh
 | 模型 | Batch Size | 环境配置 | cuDNN版本 | Top-1 | 下载链接 |
 | :-------: | :---: | :---------: | :----: | :----: | :----------: |
 | StNet | 128 | 8卡P40 | 5.1 | 0.69 | [model](https://paddlemodels.bj.bcebos.com/video_classification/stnet_kinetics.tar.gz) |
-| TSN | 256 | 8卡P40 | 7.1 | 0.67 | [model](https://paddlemodels.bj.bcebos.com/video_classification/tsn_kientics.tar.gz) |
+| TSN | 256 | 8卡P40 | 7.1 | 0.67 | [model](https://paddlemodels.bj.bcebos.com/video_classification/tsn_kinetics.tar.gz) |
 
 ## 版本更新
 

fluid/PaddleCV/video/models/stnet/README.md

@@ -31,12 +31,12 @@ StNet的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集
 数据准备完毕后，可以通过如下两种方式启动训练：
 
     python train.py --model-name=STNET
-            --config=./configs/attention_stnet.txt
+            --config=./configs/stnet.txt
             --save-dir=checkpoints 
             --log-interval=10 
             --valid-interval=1
 
-    bash scripts/train/train_attention_stnet.sh
+    bash scripts/train/train_stnet.sh
 
 - 可下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/stnet_kinetics.tar.gz)通过`--pretrain`指定权重存放路径进行finetune等开发
 
@@ -63,15 +63,15 @@ StNet的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集
 可通过如下两种方式进行模型评估:
 
     python test.py --model-name=STNET
-            --config=configs/attention_stnet.txt
+            --config=configs/stnet.txt
             --log-interval=1 
             --weights=$PATH_TO_WEIGHTS
 
-    bash scripts/test/test_attention_stnet.sh
+    bash scripts/test/test__stnet.sh
 
-- 使用`scripts/test/test_attention_stnet.sh`进行评估时，需要修改脚本中的`--weights`参数指定需要评估的权重。
+- 使用`scripts/test/test_stnet.sh`进行评估时，需要修改脚本中的`--weights`参数指定需要评估的权重。
 
-- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/attention_stnet_kinetics.tar.gz)进行评估
+- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/stnet_kinetics.tar.gz)进行评估
 
 当取如下参数时:
 
@@ -92,15 +92,15 @@ StNet的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集
 
 可通过如下命令进行模型推断：
 
-    python infer.py --model-name=attention_stnet
-            --config=configs/attention_stnet.txt
+    python infer.py --model-name=stnet
+            --config=configs/stnet.txt
             --log-interval=1 
             --weights=$PATH_TO_WEIGHTS 
             --filelist=$FILELIST
 
 - 模型推断结果存储于`STNET_infer_result`中，通过`pickle`格式存储。
 
-- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/attention_stnet_kinetics.tar.gz)进行推断
+- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/stnet_kinetics.tar.gz)进行推断
 
 
 ## 参考论文

fluid/PaddleCV/video/models/tsn/README.md

@@ -25,13 +25,13 @@ TSN的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。
 
 数据准备完毕后，可以通过如下两种方式启动训练：
 
-    python train.py --model-name=TSNET
-            --config=./configs/attention_tsn.txt
+    python train.py --model-name=TSN
+            --config=./configs/tsn.txt
             --save-dir=checkpoints 
             --log-interval=10 
             --valid-interval=1
 
-    bash scripts/train/train_attention_tsn.sh
+    bash scripts/train/train_tsn.sh
 
 - 可下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/tsn_kinetics.tar.gz)通过`--pretrain`指定权重存放路径进行finetune等开发
 
@@ -48,15 +48,15 @@ TSN的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。
 可通过如下两种方式进行模型评估:
 
     python test.py --model-name=TSN
-            --config=configs/attention_tsn.txt
+            --config=configs/tsn.txt
             --log-interval=1
             --weights=$PATH_TO_WEIGHTS
 
-    bash scripts/test/test_attention_tsn.sh
+    bash scripts/test/test_tsn.sh
 
-- 使用`scripts/test/test_attention_tnsn.sh`进行评估时，需要修改脚本中的`--weights`参数指定需要评估的权重。
+- 使用`scripts/test/test_tsn.sh`进行评估时，需要修改脚本中的`--weights`参数指定需要评估的权重。
 
-- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/attention_tsn_kinetics.tar.gz)进行评估
+- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/tsn_kinetics.tar.gz)进行评估
 
 当取如下参数时，在Kinetics400的validation数据集下评估精度如下:
 
@@ -69,15 +69,15 @@ TSN的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。
 
 可通过如下命令进行模型推断：
 
-    python infer.py --model-name=attention_tsn
-            --config=configs/attention_tsn.txt
+    python infer.py --model-name=TSN
+            --config=configs/tsn.txt
             --log-interval=1 
             --weights=$PATH_TO_WEIGHTS 
             --filelist=$FILELIST
 
 - 模型推断结果存储于`TSN_infer_result`中，通过`pickle`格式存储。
 
-- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/attention_tsn_kinetics.tar.gz)进行推断
+- 若未指定`--weights`参数，脚本会下载Paddle release权重[model](https://paddlemodels.bj.bcebos.com/video_classification/tsn_kinetics.tar.gz)进行推断
 
 ## 参考论文