From ae059ff7fae045da00888a4ec8d2ba67bf80ce6a Mon Sep 17 00:00:00 2001 From: zhangao Date: Mon, 14 Nov 2016 11:30:48 +0800 Subject: [PATCH] fix url of sub-pages --- doc_cn/concepts/use_concepts.rst | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/doc_cn/concepts/use_concepts.rst b/doc_cn/concepts/use_concepts.rst index 67e98edabc0..9952c2df7fb 100644 --- a/doc_cn/concepts/use_concepts.rst +++ b/doc_cn/concepts/use_concepts.rst @@ -4,7 +4,7 @@ PaddlePaddle 基本使用概念 PaddlePaddle是一个神经网络学习框架。其单机进程为 :code:`paddle train`。 单机的所有设备使用，均在单机进程内调度完成。 而多机辅助进程 :code:`paddle pserver` 负责联合多个单机进程进行通信，进而充分利用集群的计算资源。 PaddlePaddle同时以 :code:`swig api` 的形式，提供训练结果模型预测的方法和自定义训练流程。 -下面我们会分别介绍主要进程 :code:`paddle train` 中的一些概念。这些概念会对如何使用PaddlePaddle有一定的帮助。 了解这些概念的前提是，读者已经了解 `基本的神经网络/机器学习原理和概念 `_ 。同时，如果想要了解PaddlePaddle实现中的一些概念，请参考 `PaddlePaddle 编程中的基本概念 `_ 。 +下面我们会分别介绍主要进程 :code:`paddle train` 中的一些概念。这些概念会对如何使用PaddlePaddle有一定的帮助。 了解这些概念的前提是，读者已经了解 `基本的神经网络/机器学习原理和概念 `_ 。同时，如果想要了解PaddlePaddle实现中的一些概念，请参考 `PaddlePaddle 编程中的基本概念 `_ 。 .. contents:: @@ -184,8 +184,8 @@ PaddlePaddle多机使用的经典方法是通过 :code:`Parameter Server` 来对 详细的说明可以参考，使用 `集群训练Paddle`_ 。 -.. _PyDataProvider: ../ui/data_provider/pydataprovider2.html -.. _settings: ../../doc/ui/api/trainer_config_helpers/optimizers.html#settings -.. _mixed_layer: ../../doc/ui/api/trainer_config_helpers/layers.html#mixed-layer +.. _PyDataProvider: ../ui/data_provider/pydataprovider2.rst +.. _settings: ../../doc/ui/api/trainer_config_helpers/optimizers.rst +.. _mixed_layer: ../../doc/ui/api/trainer_config_helpers/layers.rst .. _masking-gpu: http://www.acceleware.com/blog/cudavisibledevices-masking-gpus -.. _集群训练Paddle: ../cluster/index.html +.. _集群训练Paddle: ../cluster/index.rst -- GitLab