微调文档格式

fastNLP/core/controllers/evaluator.py

@@ -58,7 +58,7 @@ class Evaluator:
             是否在 evaluate 的时候将 model 的状态设置成 eval 状态。在 eval 状态下，model 的
             dropout 与 batch normalization 将会关闭。默认为True。如果为 False，fastNLP 不会对 model 的 evaluate 状态做任何设置。无论
             该值是什么，fastNLP 都会在 evaluate 接受后将 model 的状态设置为 train 。
-        TODO 还没完成。
+            TODO 还没完成。
         * *auto_tensor_conversion_for_metric* (``Union[bool]``) -- 
             是否自动将输出中的 tensor 适配到 metrics 支持的。例如 model 输出是
             paddlepaddle 的 tensor ，但是想利用 torchmetrics 的metric对象，当 auto_tensor_conversion_for_metric 为True时，fastNLP 将

fastNLP/core/controllers/trainer.py

@@ -68,13 +68,13 @@ class Trainer(TrainerEventTrigger):
 
         :param model: 训练所需要的模型，目前支持 pytorch；
         :param driver: 训练模型所使用的具体的驱动模式，应当为以下选择中的一个：["torch", "torch_ddp", ]，之后我们会加入 jittor、paddle 等
-        国产框架的训练模式；其中 "torch" 表示使用 cpu 或者单张 gpu 进行训练
+            国产框架的训练模式；其中 "torch" 表示使用 cpu 或者单张 gpu 进行训练
         :param train_dataloader: 训练数据集，注意其必须是单独的一个数据集，不能是 List 或者 Dict；
         :param optimizers: 训练所需要的优化器；可以是单独的一个优化器实例，也可以是多个优化器组成的 List；
         :param device: 该参数用来指定具体训练时使用的机器；注意当该参数为 None 时，fastNLP 不会将模型和数据进行设备之间的移动处理，但是你
-        可以通过参数 `input_mapping` 和 `output_mapping` 来实现设备之间数据迁移的工作（通过这两个参数传入两个处理数据的函数）；同时你也
-        可以通过在 kwargs 添加参数 "data_device" 来让我们帮助您将数据迁移到指定的机器上（注意这种情况理应只出现在用户在 Trainer 实例化前
-        自己构造 DDP 的多进程场景）；
+            可以通过参数 `input_mapping` 和 `output_mapping` 来实现设备之间数据迁移的工作（通过这两个参数传入两个处理数据的函数）；同时你也
+            可以通过在 kwargs 添加参数 "data_device" 来让我们帮助您将数据迁移到指定的机器上（注意这种情况理应只出现在用户在 Trainer 实例化前
+            自己构造 DDP 的多进程场景）；
         device 的可选输入如下所示：
             1. 可选输入：str: ['cpu', 'cuda', 'cuda:0', 'cuda:1', ...] 依次为'cpu'中, 可见的第一个GPU中, 可见的第一个GPU中, 可见的第二个GPU中；
             2. torch.device：将模型装载到torch.device上；

fastNLP/envs/set_backend.py

@@ -95,7 +95,7 @@ def _set_backend():
 def set_env(global_seed=None):
     """
     set_env 用于显式告知 fastNLP 将要使用的相关环境变量是什么，必须在代码最开端运行。以下的环境变量设置，优先级分别为：（1）在代码开始
-        的位置显式调用设置；（2）通过环境变量注入的；（3）通过读取配置文件（如果有）。
+    的位置显式调用设置；（2）通过环境变量注入的；（3）通过读取配置文件（如果有）。
 
     :param backend: 目前支持的 backend 有 torch, jittor, paddle 。设置特定的 backend 后，fastNLP 将不再加载其它 backend ，可以
         提高加载速度。该值对应环境变量中的 FASTNLP_BACKEND 。

fastNLP/envs/set_env_on_import.py

@@ -9,7 +9,7 @@ import datetime
 def remove_local_rank_in_argv():
     """
     通过 torch.distributed.launch 启动的时候，如果没有加入参数 --use_env ，pytorch 会默认通过 rank 注入 rank，这就
-        要求代码中必须有能够 parse rank 的parser，这里将 rank 删除掉，防止后续报错。
+    要求代码中必须有能够 parse rank 的parser，这里将 rank 删除掉，防止后续报错。
 
     :return:
     """