fix SwinTransformer_large eval batch

docs/tutorials/practical_tutorial/instance_segmentation_remote_sensing_tutorial.md

@@ -186,7 +186,7 @@ python main.py -c paddlex/configs/instance_segmentation/Mask-RT-DETR-H.yaml \
 
 1. 首先固定训练轮次为 80，批大小为 2。
 2. 基于 `Mask-RT-DETR-H` 模型启动三个实验，学习率分别为：0.0005，0.005，0.0001
-3. 可以发现实验二精度最高的配置为学习率为 0.0001，在该训练超参数基础上，改变训练论次数，观察不同轮次的精度结果，发现轮次在 1000epoch 时基本达到了最佳精度。
+3. 可以发现实验二精度最高的配置为学习率为 0.0001，在该训练超参数基础上，改变训练论次数，观察不同轮次的精度结果。
 
 学习率探寻实验结果：
 <center>
@@ -207,7 +207,7 @@ python main.py -c paddlex/configs/instance_segmentation/Mask-RT-DETR-H.yaml \
 | 实验二       | 80  | 0\.0001 | 2          | 4卡   | 0\.825   |
 | 实验二减少训练轮次 | 30  | 0\.0001 | 2          | 4卡   | 0\.287   |
 | 实验二减少训练轮次 | 50  | 0\.0001 | 2          | 4卡   | 0\.545   |
-| 实验二增大训练轮次 | 100 | 0\.0001 | 2          | 4卡   | **0\.813**   |
+| 实验二增大训练轮次 | 100 | 0\.0001 | 2          | 4卡   | 0\.813   |
 </center>
 
 ** 注：本教程为 4 卡教程，如果您只有 1 张GPU，可通过调整训练卡数完成本次实验，但最终指标未必和上述指标对齐，属正常情况。**

paddlex/repo_apis/PaddleClas_api/configs/SwinTransformer_base_patch4_window12_384.yaml

@@ -135,7 +135,7 @@ DataLoader:
             order: ''
     sampler:
       name: DistributedBatchSampler
-      batch_size: 128
+      batch_size: 64
       drop_last: False
       shuffle: False
     loader:

paddlex/repo_apis/PaddleClas_api/configs/SwinTransformer_large_patch4_window12_384.yaml

@@ -135,7 +135,7 @@ DataLoader:
             order: ''
     sampler:
       name: DistributedBatchSampler
-      batch_size: 128
+      batch_size: 32
       drop_last: False
       shuffle: False
     loader: