fix a typo and update format (#997)

* fix doc format for translated content.

* update format and fix typo

* remove useless file

docs/en_US/ExperimentConfig.md

@@ -394,10 +394,10 @@ machineList:
 
 * __localConfig__
 
-  __localConfig__ is applicable only if __trainingServicePlatform__ is set to ```local```, otherwise there should not be __localConfig__ section in configuration file.
+  __localConfig__ is applicable only if __trainingServicePlatform__ is set to `local`, otherwise there should not be __localConfig__ section in configuration file.
   * __gpuIndices__
   
-    __gpuIndices__ is used to specify designated GPU devices for NNI, if it is set, only the specified GPU devices are used for NNI trial jobs. Single or multiple GPU indices can be specified, multiple GPU indices are seperated by comma(,), such as ```1``` or  ```0,1,3```.
+    __gpuIndices__ is used to specify designated GPU devices for NNI, if it is set, only the specified GPU devices are used for NNI trial jobs. Single or multiple GPU indices can be specified, multiple GPU indices are seperated by comma(,), such as `1` or  `0,1,3`.
 
 * __machineList__
 
@@ -431,7 +431,7 @@ machineList:
 
   * __gpuIndices__
   
-    __gpuIndices__ is used to specify designated GPU devices for NNI on this remote machine, if it is set, only the specified GPU devices are used for NNI trial jobs. Single or multiple GPU indices can be specified, multiple GPU indices are seperated by comma(,), such as ```1``` or  ```0,1,3```.
+    __gpuIndices__ is used to specify designated GPU devices for NNI on this remote machine, if it is set, only the specified GPU devices are used for NNI trial jobs. Single or multiple GPU indices can be specified, multiple GPU indices are seperated by comma(,), such as `1` or  `0,1,3`.
 
 * __kubeflowConfig__:
 

docs/en_US/NNICTLDOC.md

@@ -295,7 +295,7 @@ Debug mode will disable version check function in Trialkeeper.
     > kill trail job
 
     ```bash
-    nnictl trial [trial_id] --vexperiment [experiment_id]
+    nnictl trial [trial_id] --experiment [experiment_id]
     ```
 
 * __nnictl trial export__

docs/zh_CN/tutorial_1_CR_exp_local_api.md

-# **教程：使用 NNI API 在本地创建和运行 Experiment**
-
-本教程会使用 [~/examples/trials/mnist] 样例来解释如何在本地使用 NNI API 来创建并运行 Experiment。
-
-> 在开始前
-
-要有一个使用卷积层对 MNIST 分类的代码，如 `mnist_before.py`。
-
-> 第一步：更新模型代码
-
-对代码进行以下改动来启用 NNI API：
-
-    1.1 声明 NNI API
-        在 Trial 代码中通过 `import nni` 来导入 NNI API。
-    
-    1.2 获取预定义的参数
-        参考下列代码片段： 
-    
-            RECEIVED_PARAMS = nni.get_next_parameter()
-    
-        来获得 Tuner 分配的超参值。 `RECEIVED_PARAMS` 是一个对象，例如： 
-    
-            {"conv_size": 2, "hidden_size": 124, "learning_rate": 0.0307, "dropout_rate": 0.2029}
-    
-    1.3 返回结果
-        使用 API：
-    
-            `nni.report_intermediate_result(accuracy)` 
-    
-        返回 `accuracy` 的值给 Assessor。
-    
-        使用 API:
-    
-            `nni.report_final_result(accuracy)` 
-    
-        返回 `accuracy` 的值给 Tuner。 
-    
-
-将改动保存到 `mnist.py` 文件中。
-
-**注意**：
-
-    accuracy - 如果使用 NNI 内置的 Tuner/Assessor，那么 `accuracy` 必须是数值（如 float, int）。在定制 Tuner/Assessor 时 `accuracy` 可以是任何类型的 Python 对象。
-    Assessor（评估器）- 会根据 Trial 的历史值（即其中间结果），来决定这次 Trial 是否应该提前终止。
-    Tuner（调参器） - 会根据探索的历史（所有 Trial 的最终结果）来生成下一组参数、架构。
-    
-
-> 第二步：定义搜索空间
-
-在 `Step 1.2 获取预定义的参数` 中使用的超参定义在 `search_space.json` 文件中：
-
-    {
-        "dropout_rate":{"_type":"uniform","_value":[0.1,0.5]},
-        "conv_size":{"_type":"choice","_value":[2,3,5,7]},
-        "hidden_size":{"_type":"choice","_value":[124, 512, 1024]},
-        "learning_rate":{"_type":"uniform","_value":[0.0001, 0.1]}
-    }
-    
-
-参考 [SearchSpaceSpec.md](./SearchSpaceSpec.md) 进一步了解搜索空间。
-
-> 第三步：定义 Experiment
-> 
-> > 3.1 启用 NNI API 模式
-
-要启用 NNI 的 API 模式，需要将 useAnnotation 设置为 *false*，并提供搜索空间文件的路径（即第一步中定义的文件）：
-
-    useAnnotation: false
-    searchSpacePath: /path/to/your/search_space.json
-    
-
-在 NNI 中运行 Experiment，只需要：
-
-* 可运行的 Trial 的代码
-* 实现或选择 Tuner
-* 准备 YAML 的 Experiment 配置文件
-* (可选) 实现或选择 Assessor
-
-**准备 Trial**：
-
-> 在克隆代码后，可以在 ~/nni/examples 中找到一些样例，运行 `ls examples/trials` 查看所有 Trial 样例。
-
-先从 NNI 提供的简单 Trial 样例，如 MNIST 开始。 NNI 样例在代码目录的 examples 中，运行 `ls ~/nni/examples/trials` 可以看到所有 Experiment 的样例。 执行下面的命令可轻松运行 NNI 的 mnist 样例：
-
-      python ~/nni/examples/trials/mnist-annotation/mnist.py
-    
-
-上面的命令会写在 YAML 文件中。 参考[这里](Trials.md)来写出自己的 Experiment 代码。
-
-**准备 Tuner**: NNI 支持多种流行的自动机器学习算法，包括：Random Search（随机搜索），Tree of Parzen Estimators (TPE)，Evolution（进化算法）等等。 也可以实现自己的 Tuner（参考[这里](Customize_Tuner.md)）。下面使用了 NNI 内置的 Tuner：
-
-      tuner:
-        builtinTunerName: TPE
-        classArgs:
-          optimize_mode: maximize
-    
-
-*builtinTunerName* 用来指定 NNI 中的 Tuner，*classArgs* 是传入到 Tuner的参数（内置 Tuner 在[这里](Builtin_Tuner.md)），*optimization_mode* 表明需要最大化还是最小化 Trial 的结果。
-
-**准备配置文件**：实现 Trial 的代码，并选择或实现自定义的 Tuner 后，就要准备 YAML 配置文件了。 NNI 为每个 Trial 样例都提供了演示的配置文件，用命令`cat ~/nni/examples/trials/mnist-annotation/config.yml` 来查看其内容。 大致内容如下：
-
-    authorName: your_name
-    experimentName: auto_mnist
-    
-    # 并发运行数量
-    trialConcurrency: 2
-    
-    # Experiment 运行时间
-    maxExecDuration: 3h
-    
-    # 可为空，即数量不限
-    maxTrialNum: 100
-    
-    # 可选值为: local, remote  
-    trainingServicePlatform: local
-    
-    # 可选值为: true, false  
-    useAnnotation: true
-    tuner:
-      builtinTunerName: TPE
-      classArgs:
-        optimize_mode: maximize
-    trial:
-      command: python mnist.py
-      codeDir: ~/nni/examples/trials/mnist-annotation
-      gpuNum: 0
-    
-
-因为这个 Trial 代码使用了 NNI Annotation 的方法（参考[这里](AnnotationSpec.md) ），所以*useAnnotation* 为 true。 *command* 是运行 Trial 代码所需要的命令，*codeDir* 是 Trial 代码的相对位置。 命令会在此目录中执行。 同时，也需要提供每个 Trial 进程所需的 GPU 数量。
-
-完成上述步骤后，可通过下列命令来启动 Experiment：
-
-      nnictl create --config ~/nni/examples/trials/mnist-annotation/config.yml
-    
-
-参考[这里](NNICTLDOC.md)来了解 *nnictl* 命令行工具的更多用法。
-
-## 查看 Experiment 结果
-
-Experiment 应该一直在运行。 除了 *nnictl* 以外，还可以通过 NNI 的网页来查看 Experiment 进程，进行控制和其它一些有意思的功能。
-
-## 使用多个本地 GPU 加快搜索速度
-
-下列步骤假设本机有 4 块 NVIDIA GPUs，参考 [tensorflow with GPU support](https://www.tensorflow.org/install/gpu)。 演示启用了 4 个并发的 Trial 任务，每个 Trial 任务使用了 1 块 GPU。
-
-**准备配置文件**：NNI 提供了演示用的配置文件，使用 `cat examples/trials/mnist-annotation/config_gpu.yml` 来查看。 trailConcurrency 和 gpuNum 与基本配置文件不同：
-
-    ...
-    
-    # 可同时运行的 Trial 数量
-    trialConcurrency: 4
-    
-    ...
-    
-    trial:
-      command: python mnist.py
-      codeDir: ~/nni/examples/trials/mnist-annotation
-      gpuNum: 1
-    
-
-用下列命令运行 Experiment：
-
-      nnictl create --config ~/nni/examples/trials/mnist-annotation/config_gpu.yml
-    
-
-可以用 *nnictl* 命令行工具或网页界面来跟踪训练过程。 *nvidia_smi* 命令行工具能在训练过程中查看 GPU 使用情况。
\ No newline at end of file