update readme.md

ltr/README.md

@@ -5,13 +5,13 @@
 RankNet模型在命令行输入：
 
 ```python
-python ranknet.py
+bash ./run_ranknet.sh
 ```
 
 LambdaRank模型在命令行输入：
 
 ```python
-python lambda_rank.py
+bash ./run_lambdarank.sh
 ```
 
 用户只需要使用以上命令就完成排序模型的训练和预测，程序会自动下载内置数据集，无需手动下载。
@@ -150,7 +150,7 @@ def ranknet(input_dim):
 RankNet的训练只需要运行命令：
 
 ```python
-python ranknet.py
+run ./run_ranknet.sh
 ```
 将会自动下载数据，训练RankNet模型，并将每个轮次的模型参数存储下来。
 
@@ -277,7 +277,7 @@ def lambda_rank(input_dim):
 训练LambdaRank模型只需要运行命令：
 
 ```python
-python lambda_rank.py
+bash ./run_lambdarank.sh
 ```
 
 脚本会自动下载数据，训练LambdaRank模型，并将每个轮次的模型存储下来。

ltr/index.html

@@ -47,13 +47,13 @@
 RankNet模型在命令行输入：
 
 ```python
-python ranknet.py
+bash ./run_ranknet.sh
 ```
 
 LambdaRank模型在命令行输入：
 
 ```python
-python lambda_rank.py
+bash ./run_lambdarank.sh
 ```
 
 用户只需要使用以上命令就完成排序模型的训练和预测，程序会自动下载内置数据集，无需手动下载。
@@ -192,7 +192,7 @@ def ranknet(input_dim):
 RankNet的训练只需要运行命令：
 
 ```python
-python ranknet.py
+run ./run_ranknet.sh
 ```
 将会自动下载数据，训练RankNet模型，并将每个轮次的模型参数存储下来。
 
@@ -319,7 +319,7 @@ def lambda_rank(input_dim):
 训练LambdaRank模型只需要运行命令：
 
 ```python
-python lambda_rank.py
+bash ./run_lambdarank.sh
 ```
 
 脚本会自动下载数据，训练LambdaRank模型，并将每个轮次的模型存储下来。

ltr/lambda_rank.py

@@ -129,4 +129,4 @@ if __name__ == '__main__':
     if args.run_type == "train":
         train_lambda_rank(args.num_passes)
     elif args.run_type == "infer":
-        lambda_rank_infer(pass_id=args.pass_num - 1)
+        lambda_rank_infer(pass_id=args.num_passes - 1)