Update docs.

docker/Dockerfile

@@ -1,6 +1,6 @@
-ARG PYTORCH="1.8.1"
+ARG PYTORCH="1.12.1"
-ARG CUDA="10.2"
+ARG CUDA="11.3"
-ARG CUDNN="7"
+ARG CUDNN="8"
 
 FROM pytorch/pytorch:${PYTORCH}-cuda${CUDA}-cudnn${CUDNN}-devel
 
@@ -18,11 +18,9 @@ RUN apt-get update && apt-get install -y ffmpeg libsm6 libxext6 git ninja-build
 
 # Install MMCV
 RUN pip install openmim
-RUN mim install mmengine "mmcv>=2.0rc0"
 
 # Install MMClassification
 RUN conda clean --all
-RUN git clone https://github.com/open-mmlab/mmclassification.git
+RUN git clone -b pretrain https://github.com/open-mmlab/mmclassification.git mmpretrain
-WORKDIR ./mmclassification
+WORKDIR ./mmpretrain
-RUN git checkout 1.x
+RUN mim install --no-cache-dir -e .
-RUN pip install --no-cache-dir -e .

docs/zh_CN/get_started.md

@@ -2,7 +2,7 @@
 
 在本节中，我们将演示如何准备 PyTorch 相关的依赖环境。
 
-MMClassification 适用于 Linux、Windows 和 macOS。它需要 Python 3.7+、CUDA 9.2+ 和 PyTorch 1.6+。
+MMPretrain 适用于 Linux、Windows 和 macOS。它需要 Python 3.7+、CUDA 10.2+ 和 PyTorch 1.8+。
 
 ```{note}
 如果你对配置 PyTorch 环境已经很熟悉，并且已经完成了配置，可以直接进入[下一节](#安装)。
@@ -38,23 +38,23 @@ conda install pytorch torchvision cpuonly -c pytorch
 
 # 安装
 
-我们推荐用户按照我们的最佳实践来安装 MMClassification。但除此之外，如果你想根据
+我们推荐用户按照我们的最佳实践来安装 MMPretrain。但除此之外，如果你想根据
 你的习惯完成安装流程，也可以参见[自定义安装](#自定义安装)一节来获取更多信息。
 
 ## 最佳实践
 
 根据具体需求，我们支持两种安装模式：
 
-- [从源码安装（推荐）](#从源码安装)：希望基于 MMClassification 框架开发自己的图像分类任务，需要添加新的功能，比如新的模型或是数据集，或者使用我们提供的各种工具。
+- [从源码安装（推荐）](#从源码安装)：希望基于 MMPretrain 框架开发自己的预训练任务，需要添加新的功能，比如新的模型或是数据集，或者使用我们提供的各种工具。
-- [作为 Python 包安装](#作为-python-包安装)：只是希望调用 MMClassification 的 API 接口，或者在自己的项目中导入 MMClassification 中的模块。
+- [作为 Python 包安装](#作为-python-包安装)：只是希望调用 MMPretrain 的 API 接口，或者在自己的项目中导入 MMPretrain 中的模块。
 
 ### 从源码安装
 
 这种情况下，从源码按如下方式安装 mmpretrain：
 
 ```shell
-git clone -b 1.x https://github.com/open-mmlab/mmclassification.git
+git clone -b pretrain https://github.com/open-mmlab/mmclassification.git mmpretrain
-cd mmclassification
+cd mmpretrain
 pip install -U openmim && mim install -e .
 ```
 
@@ -76,20 +76,12 @@ pip install -U openmim && mim install "mmpretrain>=1.0rc0"
 
 ## 验证安装
 
-为了验证 MMClassification 的安装是否正确，我们提供了一些示例代码来执行模型推理。
+为了验证 MMPretrain 的安装是否正确，我们提供了一些示例代码来执行模型推理。
-
-**第 1 步** 我们需要下载配置文件和模型权重文件
-
-```shell
-mim download mmpretrain --config resnet50_8xb32_in1k --dest .
-```
-
-**第 2 步** 验证示例的推理流程
 
 如果你是**从源码安装**的 mmpretrain，那么直接运行以下命令进行验证：
 
 ```shell
-python demo/image_demo.py demo/demo.JPEG resnet50_8xb32_in1k.py resnet50_8xb32_in1k_20210831-ea4938fc.pth --device cpu
+python demo/image_demo.py demo/demo.JPEG resnet18_8xb32_in1k --device cpu
 ```
 
 你可以看到命令行中输出了结果字典，包括 `pred_label`，`pred_score` 和 `pred_class` 三个字段。
@@ -130,27 +122,27 @@ inference_model(model, 'demo/demo.JPEG')
 
 ### 在 CPU 环境中安装
 
-MMClassification 可以仅在 CPU 环境中安装，在 CPU 模式下，你可以完成训练、测试和模型推理等所有操作。
+MMPretrain 可以仅在 CPU 环境中安装，在 CPU 模式下，你可以完成训练、测试和模型推理等所有操作。
 
 ### 在 Google Colab 中安装
 
 参考 [Colab 教程](https://colab.research.google.com/github/mzr1996/mmclassification-tutorial/blob/master/1.x/MMClassification_tools.ipynb) 安装即可。
 
-### 通过 Docker 使用 MMClassification
+### 通过 Docker 使用 MMPretrain
 
-MMClassification 提供 [Dockerfile](https://github.com/open-mmlab/mmclassification/blob/master/docker/Dockerfile)
+MMPretrain 提供 [Dockerfile](https://github.com/open-mmlab/mmclassification/blob/pretrain/docker/Dockerfile)
 用于构建镜像。请确保你的 [Docker 版本](https://docs.docker.com/engine/install/) >=19.03。
 
 ```shell
-# 构建默认的 PyTorch 1.8.1，CUDA 10.2 版本镜像
+# 构建默认的 PyTorch 1.12.1，CUDA 11.3 版本镜像
 # 如果你希望使用其他版本，请修改 Dockerfile
-docker build -t mmclassification docker/
+docker build -t mmpretrain docker/
 ```
 
 用以下命令运行 Docker 镜像：
 
 ```shell
-docker run --gpus all --shm-size=8g -it -v {DATA_DIR}:/mmclassification/data mmclassification
+docker run --gpus all --shm-size=8g -it -v {DATA_DIR}:/mmpretrain/data mmpretrain
 ```
 
 ## 故障解决