Tiny Fix (PaddlePaddle#1470)

examples/few_shot/efl/README.md

@@ -65,17 +65,17 @@ python -u -m paddle.distributed.launch --gpus "0" predict.py \
         --max_seq_length 512
 ```
 
-#### 基于静态图的预测部署
+#### 基于静态图的预测
 
-使用动态图训练结束之后，可以将动态图参数导出成静态图参数，从而获得最优的预测部署性能，执行如下命令完成动态图转换静态图的功能:
+使用动态图训练结束之后，可以将动态图参数导出成静态图参数，从而获得最优的预测性能，执行如下命令完成动态图转换静态图的功能:
 ```
 python export_model.py --params_path=./checkpoint/model_100/model_state.pdparams --output_path=./output
 
 ```
 
-导出静态图模型之后，可以用于部署，`deploy/python/predict.py` 脚本提供了 python 部署预测示例。运行方式：
+导出静态图模型之后，可以基于静态图做预测部署，`deploy/python/predict.py` 脚本提供了 python 静态图预测示例。以 tnews 数据集为例, 执行如下命令基于静态图预测：
 ```
-python deploy/python/predict.py --model_dir=./output
+python deploy/python/predict.py --model_dir=./output --task_name="tnews"
 
 ```
 

examples/few_shot/efl/deploy/python/predict.py

@@ -196,9 +196,10 @@ def predict(self, data, tokenizer):
 
     # ErnieTinyTokenizer is special for ernie-tiny pretained model.
     tokenizer = ppnlp.transformers.ErnieTokenizer.from_pretrained('ernie-1.0')
-    test_ds = load_dataset("fewclue", name="tnews", splits=["test"])
-    processor = processor_dict["tnews"](9)
-    test_ds = processor.get_test_datasets(test_ds, TASK_LABELS_DESC["tnews"])
+    test_ds = load_dataset("fewclue", name=args.task_name, splits=["test"])
+    processor = processor_dict[args.task_name]()
+    test_ds = processor.get_test_datasets(test_ds,
+                                          TASK_LABELS_DESC[args.task_name])
 
     batches = [
         test_ds[idx:idx + args.batch_size]