Modify the document of heat_pinn (#1001)

docs/zh/examples/heat_pinn.md

@@ -73,9 +73,9 @@ $$
 
 上式中 $f$ 即为 MLP 模型本身，用 PaddleScience 代码表示如下
 
-``` py linenums="34"
+``` py linenums="102"
 --8<--
-examples/heat_pinn/heat_pinn.py:34:35
+examples/heat_pinn/heat_pinn.py:102:103
 --8<--
 ```
 
@@ -87,9 +87,9 @@ examples/heat_pinn/heat_pinn.py:34:35
 
 由于二维热传导方程使用的是 Laplace 方程的 2 维形式，因此可以直接使用 PaddleScience 内置的 `Laplace`，指定该类的参数 `dim` 为 2。
 
-``` py linenums="37"
+``` py linenums="105"
 --8<--
-examples/heat_pinn/heat_pinn.py:37:38
+examples/heat_pinn/heat_pinn.py:105:106
 --8<--
 ```
 
@@ -98,9 +98,9 @@ examples/heat_pinn/heat_pinn.py:37:38
 本文中二维热传导问题作用在以 (-1.0, -1.0),  (1.0, 1.0) 为对角线的二维矩形区域，
 因此可以直接使用 PaddleScience 内置的空间几何 `Rectangle` 作为计算域。
 
-``` py linenums="40"
+``` py linenums="108"
 --8<--
-examples/heat_pinn/heat_pinn.py:40:41
+examples/heat_pinn/heat_pinn.py:108:109
 --8<--
 ```
 
@@ -110,19 +110,19 @@ examples/heat_pinn/heat_pinn.py:40:41
 
 在定义约束之前，需要给每一种约束指定采样点个数，表示每一种约束在其对应计算域内采样数据的数量，以及通用的采样配置。
 
-``` py linenums="49"
+``` py linenums="117"
 --8<--
-examples/heat_pinn/heat_pinn.py:49:54
+examples/heat_pinn/heat_pinn.py:117:122
 --8<--
 ```
 
 #### 3.4.1 内部点约束
 
 以作用在内部点上的 `InteriorConstraint` 为例，代码如下：
 
-``` py linenums="55"
+``` py linenums="123"
 --8<--
-examples/heat_pinn/heat_pinn.py:55:63
+examples/heat_pinn/heat_pinn.py:123:131
 --8<--
 ```
 
@@ -146,9 +146,9 @@ examples/heat_pinn/heat_pinn.py:55:63
 
 同理，我们还需要构建矩形的四个边界的约束。但与构建 `InteriorConstraint` 约束不同的是，由于作用区域是边界，因此我们使用 `BoundaryConstraint` 类，代码如下：
 
-``` py linenums="64"
+``` py linenums="132"
 --8<--
-examples/heat_pinn/heat_pinn.py:64:103
+examples/heat_pinn/heat_pinn.py:132:171
 --8<--
 ```
 
@@ -160,35 +160,29 @@ examples/heat_pinn/heat_pinn.py:64:103
 
 在微分方程约束和边界约束构建完毕之后，以我们刚才的命名为关键字，封装到一个字典中，方便后续访问。
 
-``` py linenums="104"
+``` py linenums="172"
 --8<--
-examples/heat_pinn/heat_pinn.py:104:111
+examples/heat_pinn/heat_pinn.py:172:179
 --8<--
 ```
 
 ### 3.5 优化器构建
 
 训练过程会调用优化器来更新模型参数，此处选择较为常用的 `Adam` 优化器，并设置学习率为 0.0005。
 
-``` yaml linenums="36"
+``` py linenums="181"
 --8<--
-examples/heat_pinn/conf/heat_pinn.yaml:36:41
---8<--
-```
-
-``` py linenums="113"
---8<--
-examples/heat_pinn/heat_pinn.py:113:114
+examples/heat_pinn/heat_pinn.py:181:182
 --8<--
 ```
 
 ### 3.6 模型训练
 
 完成上述设置之后，只需要将所有上述实例化的对象按顺序传递给 `ppsci.solver.Solver`，然后启动训练。
 
-``` py linenums="116"
+``` py linenums="184"
 --8<--
-examples/heat_pinn/heat_pinn.py:116:133
+examples/heat_pinn/heat_pinn.py:184:201
 --8<--
 ```
 
@@ -197,9 +191,9 @@ examples/heat_pinn/heat_pinn.py:116:133
 模型训练完成之后就需要进行与正式 FDM 方法计算出来的结果进行对比，这里我们使用了 `geom["rect"].sample_interior` 采样出测试所需要的坐标数据。
 然后，再将采样出来的坐标数据输入到模型中，得到模型的预测结果，最后将预测结果与 FDM 结果进行对比，得到模型的误差。
 
-``` py linenums="135"
+``` py linenums="203"
 --8<--
-examples/heat_pinn/heat_pinn.py:135:209
+examples/heat_pinn/heat_pinn.py:203:212
 --8<--
 ```