[Doc] Add requirements.txt for AMGNet (#942)

* remove print code

* add req for amgnet

Author: HydrogenSulfate

docs/zh/examples/amgnet.md

@@ -2,6 +2,10 @@
 
 <!-- <a href="https://aistudio.baidu.com/aistudio/projectdetail/6184070?contributionType=1&sUid=438690&shared=1&ts=1684239806160" class="md-button md-button--primary" style>AI Studio快速体验</a> -->
 
+!!! info "注意事项"
+
+    本案例运行前需通过 `pip install -r requirements.txt` 命令，安装 [**P**addle **G**raph **L**earning](https://github.com/PaddlePaddle/PGL) 图学习工具和 [PyAMG](https://github.com/pyamg/pyamg) 代数多重网格工具。
+
 === "模型训练命令"
 
     === "amgnet_airfoil"
@@ -82,10 +86,6 @@
 接下来开始讲解如何将问题一步一步地转化为 PaddleScience 代码，用深度学习的方法求解该问题。
 为了快速理解 PaddleScience，接下来仅对模型构建、方程构建、计算域构建等关键步骤进行阐述，而其余细节请参考 [API文档](../api/arch.md)。
 
-!!! info "注意事项"
-
-    本案例运行前需通过 `pip install pgl pyamg` 命令，安装 [**P**addle **G**raph **L**earning](https://github.com/PaddlePaddle/PGL) 图学习工具和 [PyAMG](https://github.com/pyamg/pyamg) 代数多重网格工具。
-
 ### 3.1 数据集下载
 
 该案例使用的机翼数据集 Airfoil 来自 de Avila Belbute-Peres 等人，其中翼型数据集采用 NACA0012 翼型，包括 train, test 以及对应的网格数据 mesh_fine；圆柱数据集是原作者利用软件计算的 CFD 算例。

examples/amgnet/requirements.txt

@@ -0,0 +1,4 @@
+git+https://github.com/PaddlePaddle/PGL.git
+matplotlib
+pyamg
+scipy

examples/phylstm/functions.py

@@ -185,15 +185,7 @@ def to_numpy_dict(dct):
             return {k: np.asarray(v, dtype="float32") for k, v in dct.items()}
 
         input_dict_train = to_numpy_dict(input_dict_train)
-        for k, v in input_dict_train.items():
-            print(f"input_dict_train {k} {type(v)}")
         label_dict_train = to_numpy_dict(label_dict_train)
-        for k, v in label_dict_train.items():
-            print(f"label_dict_train {k} {type(v)}")
         input_dict_val = to_numpy_dict(input_dict_val)
-        for k, v in input_dict_val.items():
-            print(f"input_dict_val {k} {type(v)}")
         label_dict_val = to_numpy_dict(label_dict_val)
-        for k, v in label_dict_val.items():
-            print(f"label_dict_val {k} {type(v)}")
         return input_dict_train, label_dict_train, input_dict_val, label_dict_val