[Docs] Update Docs about load_from (open-mmlab#953)

* load from

* CN and faq

docs/faq.md

@@ -104,6 +104,11 @@ If the contents here do not cover your issue, please create an issue using the [
     ]
     ```
 
+- **How to set `load_from` value in config files to finetune models?**
+
+    In MMAction2, We set `load_from=None` as default in `configs/_base_/default_runtime.py` and owing to [inheritance design](/docs/tutorials/1_config.md),
+    users can directly change it by setting `load_from` in their configs.
+
 ## Testing
 
 - **How to make predicted score normalized by softmax within [0, 1]?**

docs/tutorials/2_finetune.md

@@ -91,6 +91,7 @@ checkpoint_config = dict(interval=5)
 ## Use Pre-Trained Model
 
 To use the pre-trained model for the whole network, the new config adds the link of pre-trained models in the `load_from`.
+We set `load_from=None` as default in `configs/_base_/default_runtime.py` and owing to [inheritance design](/docs/tutorials/1_config.md), users can directly change it by setting `load_from` in their configs.
 
 ```python
 # use the pre-trained model for the whole TSN network

docs_zh_CN/faq.md

@@ -78,6 +78,10 @@
 
     实际上，除了少数模型，如 C3D 等，用户都能通过设置 `frozen_stages` 来冻结模型参数，因为大多数主干网络继承自 `ResNet` 和 `ResNet3D`，而这两个模型都支持 `_freeze_stages()` 方法。
 
+- **如何在配置文件中设置 `load_from` 参数以进行模型微调？**
+
+    MMAction2 在 `configs/_base_/default_runtime.py` 文件中将 `load_from=None` 设为默认。由于配置文件的可继承性，用户可直接在下游配置文件中设置 `load_from` 的值来进行更改。
+
 ## 测试
 
 - **如何将预测分值用 softmax 归一化到 [0, 1] 区间内？**

docs_zh_CN/tutorials/2_finetune.md

@@ -85,6 +85,7 @@ checkpoint_config = dict(interval=5)
 ## 使用预训练模型
 
 若要将预训练模型用于整个网络（主干网络设置中的 `pretrained`，仅会在主干网络模型上加载预训练参数），可通过 `load_from` 指定模型文件路径或模型链接，实现预训练权重导入。
+MMAction2 在 `configs/_base_/default_runtime.py` 文件中将 `load_from=None` 设为默认。由于配置文件的可继承性，用户可直接在下游配置文件中设置 `load_from` 的值来进行更改。
 
 ```python
 # 将预训练模型用于整个 TSN 网络