Merge pull request #3 from YixinKristy/YixinKristy-patch-3

Update visual.rst

docs/tools/visual.rst

@@ -1,7 +1,7 @@
 模型可视化
 ==============
 
-通过 `Quick Start <../introduction/quick_start.html>`_ 一节中，我们了解到，预测模型包含了两个文件，一部分为模型结构文件，通常以 **model** , **__model__** 文件存在；另一部分为参数文件，通常以params 文件或一堆分散的文件存在。
+通过 `Quick Start <../introduction/quick_start.html>`_ 一节中，我们了解到，预测模型包含了两个文件，一部分为模型结构文件，通常以 **model** 或 **__model__** 文件存在；另一部分为参数文件，通常以params 文件或一堆分散的文件存在。
 
 模型结构文件，顾名思义，存储了模型的拓扑结构，其中包括模型中各种OP的计算顺序以及OP的详细信息。很多时候，我们希望能够将这些模型的结构以及内部信息可视化，方便我们进行模型分析。接下来将会通过两种方式来讲述如何对Paddle 预测模型进行可视化。
 
@@ -24,7 +24,7 @@ VisualDL是飞桨可视化分析工具，以丰富的图表呈现训练参数变
   - 无需添加任何参数，在命令行执行 visualdl 后启动界面上传文件即可：
 
 
-.. image:: https://user-images.githubusercontent.com/48054808/84487396-44c31780-acd1-11ea-831a-1632e636613d.png
+.. image:: https://user-images.githubusercontent.com/48054808/88628504-a8b66980-d0e0-11ea-908b-196d02ed1fa2.png
 
 
 - 后端透传模型文件：
@@ -57,15 +57,15 @@ Graph功能详细使用，请见 `Graph使用指南 <https://github.com/PaddlePa
 	from paddle.fluid.framework import IrGraph
 
 	def get_graph(program_path):
-		with open(program_path, 'rb') as f:
-			binary_str = f.read()
-		program =   fluid.framework.Program.parse_from_string(binary_str)
-		return IrGraph(core.Graph(program.desc), for_test=True)
+	    with open(program_path, 'rb') as f:
+		    binary_str = f.read()
+	    program =   fluid.framework.Program.parse_from_string(binary_str)
+	    return IrGraph(core.Graph(program.desc), for_test=True)
 
 	if __name__ == '__main__':
-		program_path = './lecture_model/__model__' 
-		offline_graph = get_graph(program_path)
-		offline_graph.draw('.', 'test_model', [])
+	    program_path = './lecture_model/__model__' 
+	    offline_graph = get_graph(program_path)
+	    offline_graph.draw('.', 'test_model', [])
 
 
 3）生成svg