[DOCS] 1.1.8 to 1.0.0

docs/deploy/local_run.md

@@ -6,7 +6,7 @@
 
 * Hadoop >= 2.2.0
 * Java 1.8版本
-* Angel发布包 angel-1.1.8-bin.zip
+* Angel发布包 angel-1.0.0-bin.zip
 
 配置好HADOOP_HOME和JAVA_HOME环境变量，解压Angel发布包，就可以以LOCAL模式运行Angel任务了。
 

docs/deploy/run_on_yarn.md

@@ -4,17 +4,17 @@
 
 由于业界很多公司的大数据平台，都是基于Yarn搭建，所以Angel目前的分布式运行是基于Yarn，方便用户复用现网环境，而无需任何修改。
 
-1. **运行环境准备** 
+1. **运行环境准备**
 
 	Angel的分布式Yarn运行模式需要的环境，其实也非常简单：
-	
+
 	1. 一个可以正常运行Hadoop集群，包括Yarn和HDFS
 		* Hadoop >= 2.2.0
 
 	2. 一个用于提交Angel任务的客户端Gateway
 		* Java >= 1.8
 		* 可以提交MR作业
-		* Angel发布包：angel-1.1.8-bin.zip
+		* Angel发布包：angel-1.0.0-bin.zip
 
 
 ### 2. **Angel任务运行示例**
@@ -35,7 +35,7 @@
 		hadoop fs -put data/exampledata/LRLocalExampleData/a9a.train hdfs://my-nn:54310/test/lr_data
 		```
 2. **提交任务**
-	
+
 	* 在发布包的bin目录下有Angel的提交脚本angel-submit，使用它将任务提交到Hadoop集群
 
 		```
@@ -49,18 +49,18 @@
 			--ml.feature.num 1024 \
 			--angel.job.name LR_test
 		```
-	
+
 	**参数含义如下**
-	  
-  		
+
+
 	| 名称    | 含义  |
 	| --- | --- |
-	| action.type  | 计算类型，目前支持"train"和"predict"两种，分别表示模型训练和预测    | 
-	| angel.app.submit.class | 算法运行类，每个算法都对应一个运行类| 
-	| angel.train.data.path | 训练数据路径 | 
-	| angel.log.path | 算法指标日志输出路径 | 
-	| angel.save.model.path | 模型保存路径 | 
-	| ml.data.type | 训练数据格式，默认支持两种格式libsvm和dummy | 
+	| action.type  | 计算类型，目前支持"train"和"predict"两种，分别表示模型训练和预测    |
+	| angel.app.submit.class | 算法运行类，每个算法都对应一个运行类|
+	| angel.train.data.path | 训练数据路径 |
+	| angel.log.path | 算法指标日志输出路径 |
+	| angel.save.model.path | 模型保存路径 |
+	| ml.data.type | 训练数据格式，默认支持两种格式libsvm和dummy |
 	| ml.feature.num | 模型维度 |
 	| angel.job.name | 任务名|
 
@@ -74,15 +74,15 @@
 
 
 	任务提交之后，会在控制台打印出任务运行信息，如URL和迭代进度等，如下图所示：
-	
+
 	![][1]
 
 	打开URL信息就可以看到Angel任务每一个组件的详细运行信息和算法相关日志：
 
 	![][2]
-	
+
 	目前的监控页面有点简陋，后续会进一步优化，围绕PS的本质，提高美观程度和用户可用度
 
 
-  [1]: ../img/angel_client_log.png 
-  [2]: ../img/lr_worker_log.png 
+  [1]: ../img/angel_client_log.png
+  [2]: ../img/lr_worker_log.png

docs/deploy/source_compile.md

@@ -12,12 +12,12 @@
 	```git clone https://github.com/tencent/angel```
 
 3. **编译**
-    	
+
 	进入源码根目录，执行命令：
-    		 
+
 	```mvn clean package -Dmaven.test.skip=true```
-    
-	编译完成后，在源码根目录`dist/target`目录下会生成一个发布包：`angel-1.1.8-bin.zip`
+
+	编译完成后，在源码根目录`dist/target`目录下会生成一个发布包：`angel-1.0.0-bin.zip`
 
 4. **发布包**
 

docs/tutorials/spark_on_angel_quick_start.md

@@ -36,7 +36,7 @@ $SPARK_HOME/bin/spark-submit \
     --executor-cores 2 \
     --executor-memory 4g \
     --class com.tencent.angel.spark.examples.ml.BreezeSGD \
-    spark-on-angel-examples-1.1.8.jar
+    spark-on-angel-examples-1.0.0.jar
 ```
 - YARN将会出现两个Application，一个是Spark Application， 一个是Angel-PS Application。
 
@@ -72,4 +72,4 @@ println("feature sum:" + w.mkRemote.pull())
 
 gradient.delete()
 w.delete()
-```
+```