[Doc&Fix] Fix typos and bugs in drivaernet and drivaernet++ (#1092)

* fix typos in drivaernet and drivaernet++

* align cd_value shape with output shape

* simplify scripts of driavernetpp

* update metrics

* update doc style

Author: HydrogenSulfate

docs/zh/examples/drivaernet.md

@@ -4,25 +4,31 @@ DrivAerNet: A Parametric Car Dataset for Data-Driven Aerodynamic Design and Grap
 
 ## 论文信息
 
-| 年份 | 期刊                         | 作者                                     | 引用数 | 论文 PDF                                                                                                |
-| ---- | ---------------------------- | ---------------------------------------- | ------ | ------------------------------------------------------------------------------------------------------- |
+| 年份 | 期刊                         | 作者                                     | 引用数 | 论文 PDF |
+| ---- | ---------------------------- | ---------------------------------------- | ------ | ---- |
 | 2024 | Design Automation Conference | Mohamed Elrefaie, Angela Dai, Faez Ahmed | 3      | DrivAerNet: A Parametric Car Dataset for Data-Driven Aerodynamic Design and Graph-Based Drag Prediction |
 
 ## 代码信息
 
-|预训练模型 |神经网络|指标|
-|:-------:|:-------:|:-:|
-| [CdPrediction_DrivAerNet_r2_100epochs_5k_best_model.pdparams](https://paddle-org.bj.bcebos.com/paddlescience/models/DrivAerNet/CdPrediction_DrivAerNet_r2_100epochs_5k_pretrained.pdparams)| RegDGCNN | $R^2:87.5%$ |
+| 预训练模型 | 神经网络 | 指标 |
+| ------- | ------- | --- |
+| [CdPrediction_DrivAerNet_r2_100epochs_5k_best_model.pdparams](https://paddle-org.bj.bcebos.com/paddlescience/models/DrivAerNet/CdPrediction_DrivAerNet_r2_100epochs_5k_pretrained.pdparams)| RegDGCNN | $R^2:88.22%$ |
 
 === "模型训练命令"
 
     ``` sh
+    wget -nc https://dataset.bj.bcebos.com/PaddleScience/DNNFluid-Car/DrivAer%2B%2B/data.tar
+    tar -xvf data.tar
+
     python drivaernet.py
     ```
 
 === "模型评估命令"
 
     ``` sh
+    wget -nc https://dataset.bj.bcebos.com/PaddleScience/DNNFluid-Car/DrivAer%2B%2B/data.tar
+    tar -xvf data.tar
+
     python drivaernet.py mode=eval EVAL.pretrained_model_path=https://paddle-org.bj.bcebos.com/paddlescience/models/DrivAerNet/CdPrediction_DrivAerNet_r2_100epochs_5k_pretrained.pdparams
     ```
 
@@ -52,12 +58,6 @@ DrivAerNet: A Parametric Car Dataset for Data-Driven Aerodynamic Design and Grap
 
 ## 2. 问题定义
 
-数据下载：
-`sh
-    wget https://dataset.bj.bcebos.com/PaddleScience/DNNFluid-Car/DrivAer%2B%2B/data.tar
-    tar -xvf data.tar
-`
-
 ![fig1](https://dataset.bj.bcebos.com/PaddleScience/DNNFluid-Car/DrivAer/fig/fig1.jpg)
 
 图 1：参数化的 DrivAer 模型使用变形盒子在 ANSA 软件中进行几何变换，总共使用了 50 个几何参数和 32 个可变形实体。对变形框进行颜色编码，突出易受参数修改影响的区域，便于创建" DrivAerNet "数据集。利用这种变形技术，本研究生成了 4000 个独特的汽车设计。
@@ -273,21 +273,21 @@ $$
 
 在 PDF 中，问题求解通常涉及数据预处理、模型设计、训练过程以及评估与优化的多个环节。在此过程中，涉及到如何处理数据集、构建合适的约束条件、选择优化器和评估器等环节。以下是具体的介绍，包括数据集、模型（以 RegDGCNN 为例）、约束构建、优化器构建、评估器构建、以及模型的训练和评估。
 
-**1.数据增强类：`DataAugmentation：**
+**1.数据增强类：`DataAugmentation`：**
 
 用于对点云进行随机变换，包括平移、加噪声和随机丢点，以提升模型的泛化能力。
 
-```py linenums="37"
+``` py linenums="37"
 --8<--
-ppsci/arch/drivaernet_dataset.py:37:112
+ppsci/data/dataset/drivaernet_dataset.py:37:103
 --8<--
 ```
 
 **2.数据集类：`DrivAerNetDataset`：**
 
 用于加载 DrivAerNet 数据集，并处理点云数据（如采样、增强和归一化）。
 
-```py linenums="106"
+``` py linenums="106"
 --8<--
 ppsci/data/dataset/drivaernet_dataset.py:106:330
 --8<--
@@ -303,7 +303,7 @@ RegDGCNN 是一种专为图形数据设计的深度学习模型，常用于处
 2. **特征学习**：捕获点云的局部和全局几何特征。
 3. **输出**：预测的空气阻力系数（$C_d$），作为模型的回归输出。
 
-```python
+``` py
 model = ppsci.arch.RegDGCNN(input_keys=cfg.MODEL.input_keys,
                             label_keys=cfg.MODEL.output_keys,
                             weight_keys=cfg.MODEL.weight_keys,
@@ -312,7 +312,7 @@ model = ppsci.arch.RegDGCNN(input_keys=cfg.MODEL.input_keys,
 
 模型参数具体如下：
 
-```yaml
+``` yaml
 MODEL:
   input_keys: ["vertices"] # 输入数据的关键字（3D顶点数据）
   output_keys: ["cd_value"] # 输出数据的关键字（空气阻力系数）
@@ -329,7 +329,7 @@ MODEL:
 
 由于我们以监督学习方式进行训练，此处采用监督约束 `SupervisedConstraint`：
 
-```py linenums="34"
+``` py linenums="34"
 --8<--
 examples/drivaernet/drivaernet.py:34:58
 --8<--
@@ -339,7 +339,7 @@ examples/drivaernet/drivaernet.py:34:58
 
 优化器是模型训练中的关键部分，用于通过梯度下降法（或其他算法）调整模型参数。在本场景中，使用了`Adam`和`SGD`优化器，并通过学习率调度器来动态调整学习率。
 
-```py linenums="86"
+``` py linenums="86"
 --8<--
 examples/drivaernet/drivaernet.py:86:109
 --8<--
@@ -349,7 +349,7 @@ examples/drivaernet/drivaernet.py:86:109
 
 在训练过程中通常会按一定轮数间隔，用验证集（测试集）评估当前模型的训练情况，因此使用 `ppsci.validate.SupervisedValidator` 构建评估器。
 
-```py linenums="60"
+``` py linenums="60"
 --8<--
 examples/drivaernet/drivaernet.py:60:81
 --8<--
@@ -361,17 +361,15 @@ examples/drivaernet/drivaernet.py:60:81
 
 完成上述设置之后，只需要将上述实例化的对象按顺序传递给 `ppsci.solver.Solver`，然后启动训练、评估。
 
-```py linenums="112"
+``` py linenums="112"
 --8<--
 examples/drivaernet/drivaernet.py:112:128
 --8<--
 ```
 
 ## 4. 完整代码
 
-=== "drivaernet.py"
-
-```py linenums="15"
+``` py linenums="15" title="drivaernet.py"
 --8<--
 examples/drivaernet/drivaernet.py:15:200
 --8<--