在过去的1.8版本中，模块可以直接用于预测。在2.0版本上，这个功能是可以正常运行的。然而，在微调任务上，两者之间的差异较大。在2.0版本中，已经废弃了task等功能。在使用数据集时，也不再使用BaseCVDataset。如果想要使用自定义数据集，可以参考https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.0.0-beta/docs/docs_ch/tutorial/how_to_load_data.md。。

收到你的回复。

在查看 https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.0.0-beta/docs/docs_ch/tutorial/how_to_finetune.md 时，那里有提到“加载图像类自定义数据集。用户只需要继承基类 BaseCVDataset,修改数据集存放地址即可，具体可以参考如下代码。”

from paddlehub.dataset.base_cv_dataset import BaseCVDataset

class DemoDataset(BaseCVDataset):
    def __init__(self):
        # 数据集存放位置
        self.dataset_dir = "/test/data"
        super(DemoDataset, self).__init__(
            base_path=self.dataset_dir,
            train_list_file="train_list.txt", # 训练集存放地址
            validate_list_file="validate_list.txt", # 验证集存放地址
            test_list_file="test_list.txt", # 测试集存放地址
            predict_file="predict_list.txt", # 预测集存放地址
            label_list_file="label_list.txt", # 数据集类别文件所在地址
            # 如果您的数据集类别较少，可以不用定义label_list.txt,可以在最后设置label_list=["数据集所有类别"]。
        )

dataset = DemoDataset()

所以这个是文档写的问题了吧？而且 V2.0 是不是也没有 hub.reader 了？劳烦提供一下正确的 finetuning 方法以及 API 示例吧。

自定义数据集2.0版本参考 https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.0.0-beta/docs/docs_ch/tutorial/how_to_load_data.md。
您提到的文档在近期会更新，近期也会发版新的paddlehub,主要更新nlp方向，感谢您的建议。

2.0版本的finetune可参考 https://github.com/PaddlePaddle/PaddleHub/tree/release/v2.0.0-beta/demo/image_classification