update dali & course md

docs/zh_CN/others/course_link.md

@@ -0,0 +1,34 @@
+# 往期课程链接：
+---
+
+- [**【AI快车道PaddleClas系列直播课】**](https://aistudio.baidu.com/aistudio/course/introduce/24519)
+
+  - [图像识别系统解析](https://aistudio.baidu.com/aistudio/education/group/info/24519)
+    - 图像识别全能优势
+    - 整体架构及快速落地详解
+    - 个性化需求实现方案
+  - [商品识别系统全拆解](https://aistudio.baidu.com/aistudio/education/lessonvideo/1495317)
+    - 小样本多类别场景方案
+    - 图像检索技术及快速构建策略
+    - 动漫搜索趣味应用
+  - [车辆ReID核心技术方案](https://aistudio.baidu.com/aistudio/education/lessonvideo/1496537)
+    - ReID及跨境头场景应用
+    - Metric Learning——更鲁棒的检索特征
+    - Logo识别等方向延展
+  - [超轻量图像识别系统概览](https://aistudio.baidu.com/aistudio/education/lessonvideo/1890318)
+    - 图像识别技术选型策略 
+    - 推理速度提升8倍的秘籍
+    - 四大典型行业应用案例 
+  - [SOTA模型炼丹秘诀](https://aistudio.baidu.com/aistudio/education/lessonvideo/1890323)
+    - CPU定制模型PP-LCNet优化思路
+    - Vison Transformer模型的应用拓展
+  - [商品识别产业痛点剖析](https://aistudio.baidu.com/aistudio/education/lessonvideo/1896890)
+    - 特征提取技术详解
+    - 向量快速检索揭秘 
+  - [手把手教你玩转图像识别](https://aistudio.baidu.com/aistudio/education/lessonvideo/1911507)
+    - 产业应用十问十答 
+    - 智能零售下的应用案例
+    - 识别系统快速落地方案
+  
+  
+

docs/zh_CN/others/train_with_DALI.md

@@ -31,29 +31,29 @@
  <a name='3'></a>
 
 ## 3. 使用 DALI
-PaddleClas 支持在静态图训练方式中使用 DALI 加速，由于 DALI 仅支持 GPU 训练，因此需要设置 GPU，且 DALI 需要占用 GPU 显存，需要为 DALI 预留显存。使用 DALI 训练只需在训练配置文件中设置字段 `use_dali=True`，或通过以下命令启动训练即可：
+PaddleClas 支持使用 DALI 对图像预处理进行加速，由于 DALI 仅支持 GPU 训练，因此需要设置 GPU，且 DALI 需要占用 GPU 显存，需要为 DALI 预留显存。使用 DALI 训练只需在训练配置文件中设置字段 `use_dali=True`，或通过以下命令启动训练即可：
 
 ```shell
 # 设置用于训练的 GPU 卡号
 export CUDA_VISIBLE_DEVICES="0"
 
-python ppcls/static/train.py -c ppcls/configs/ImageNet/ResNet/ResNet50.yaml -o use_dali=True
+python ppcls/train.py -c ppcls/configs/ImageNet/ResNet/ResNet50.yaml -o Global.use_dali=True
 ```
 
 也可以使用多卡训练：
 
 ```shell
 # 设置用于训练的 GPU 卡号
-export CUDA_VISIBLE_DEVICES="0,1,2,3,4,5,6,7"
+export CUDA_VISIBLE_DEVICES="0,1,2,3"
 
 # 设置用于神经网络训练的显存大小，可根据具体情况设置，一般可设置为 0.8 或 0.7，剩余显存则预留 DALI 使用
 export FLAGS_fraction_of_gpu_memory_to_use=0.80
 
 python -m paddle.distributed.launch \
-    --gpus="0,1,2,3,4,5,6,7" \
-    ppcls/static/train.py \
+    --gpus="0,1,2,3" \
+    ppcls/train.py \
         -c ./ppcls/configs/ImageNet/ResNet/ResNet50.yaml \
-        -o use_dali=True
+        -o Global.use_dali=True
 ```
 
 <a name='4'></a>
@@ -62,11 +62,11 @@ python -m paddle.distributed.launch \
 在上述基础上，使用 FP16 半精度训练，可以进一步提高速度，可以参考下面的配置与运行命令。
 
 ```shell
-export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+export CUDA_VISIBLE_DEVICES=0,1,2,3
 export FLAGS_fraction_of_gpu_memory_to_use=0.8
 
 python -m paddle.distributed.launch \
-    --gpus="0,1,2,3,4,5,6,7" \
-    ppcls/static/train.py \
-    -c ./ppcls/configs/ImageNet/ResNet/ResNet50_fp16.yaml
+    --gpus="0,1,2,3" \
+    ppcls/train.py \
+    -c ./ppcls/configs/ImageNet/ResNet/ResNet50_fp16_dygraph.yaml
 ```