update doc for hapi.model.save and hapi.model.Model in 2.0-RC (#2645)

* update doc for hapi.model.save and hapi.model.Model in 2.0-RC

* fix example code for Model

* fix doc for Model example code

* fix sample code, add import InputSpec

doc/paddle/api/paddle/hapi/model/Model_cn.rst

@@ -5,7 +5,7 @@ Model
 
 .. py:class:: paddle.Model()
 
- ``Model`` 对象是一个具备训练、测试、推理的神经网络。该对象同时支持静态图和动态图模式，通过 ``paddle.disable_static()`` 来切换。需要注意的是，该开关需要在实例化 ``Model`` 对象之前使用。 在静态图模式下，输入需要使用 ``paddle.static.InputSpec`` 来定义。
+ ``Model`` 对象是一个具备训练、测试、推理的神经网络。该对象同时支持静态图和动态图模式，通过 ``paddle.disable_static()`` 来切换。需要注意的是，该开关需要在实例化 ``Model`` 对象之前使用。输入需要使用 ``paddle.static.InputSpec`` 来定义。
 
 **代码示例**：
 
@@ -24,7 +24,6 @@ Model
         nn.Tanh(),
         nn.Linear(200, 10))
 
-    # inputs and labels are not required for dynamic graph.
     input = InputSpec([None, 784], 'float32', 'x')
     label = InputSpec([None, 1], 'int64', 'label')
     
@@ -137,6 +136,7 @@ Model
     import numpy as np
     import paddle
     import paddle.nn as nn
+    from paddle.static import InputSpec
 
     device = paddle.set_device('cpu') # or 'gpu'
     paddle.disable_static(device)
@@ -147,7 +147,9 @@ Model
         nn.Linear(200, 10),
         nn.Softmax())
 
-    model = paddle.Model(net)
+    input = InputSpec([None, 784], 'float32', 'x')
+    label = InputSpec([None, 1], 'int64', 'label')
+    model = paddle.Model(net, input, label)
     model.prepare()
     data = np.random.random(size=(4,784)).astype(np.float32)
     out = model.test_batch([data])
@@ -157,7 +159,6 @@ Model
 
 将模型的参数和训练过程中优化器的信息保存到指定的路径，以及推理所需的参数与文件。如果training=True，所有的模型参数都会保存到一个后缀为 ``.pdparams`` 的文件中。
 所有的优化器信息和相关参数，比如 ``Adam`` 优化器中的 ``beta1`` ， ``beta2`` ，``momentum`` 等，都会被保存到后缀为 ``.pdopt``。如果优化器比如SGD没有参数，则该不会产生该文件。如果training=False，则不会保存上述说的文件。只会保存推理需要的参数文件和模型文件。
-需要注意的是，保存推理模型的参数文件和模型文件时，需要在 ``forward`` 上添加 ``@paddle.jit.to_static`` 函数在动态图模式下。
 
 参数：
     - **path** (str) - 保存的文件名前缀。格式如 ``dirname/file_prefix`` 或者 ``file_prefix`` 。
@@ -182,8 +183,6 @@ Model
                 nn.Linear(200, 10),
                 nn.Softmax())
 
-        # If save for inference in dygraph, need this
-        @paddle.jit.to_static
         def forward(self, x):
             return self.net(x)
 
@@ -191,7 +190,7 @@ Model
     device = paddle.set_device('cpu')
     # if use static graph, do not set
     paddle.disable_static(device) if dynamic else None
-    # inputs and labels are not required for dynamic graph.
+
     input = InputSpec([None, 784], 'float32', 'x')
     label = InputSpec([None, 1], 'int64', 'label')
     model = paddle.Model(Mnist(), input, label)
@@ -220,15 +219,20 @@ Model
 
     import paddle
     import paddle.nn as nn
+    from paddle.static import InputSpec
     
     device = paddle.set_device('cpu')
     paddle.disable_static(device)
 
+    input = InputSpec([None, 784], 'float32', 'x')
+    label = InputSpec([None, 1], 'int64', 'label')
     model = paddle.Model(nn.Sequential(
         nn.Linear(784, 200),
         nn.Tanh(),
         nn.Linear(200, 10),
-        nn.Softmax()))
+        nn.Softmax()),
+        input,
+        label)
     model.save('checkpoint/test')
     model.load('checkpoint/test')
 
@@ -243,13 +247,18 @@ Model
 .. code-block:: python
     import paddle
     import paddle.nn as nn
+    from paddle.static import InputSpec
 
     paddle.disable_static()
 
+    input = InputSpec([None, 784], 'float32', 'x')
+    label = InputSpec([None, 1], 'int64', 'label')
     model = paddle.Model(nn.Sequential(
         nn.Linear(784, 200),
         nn.Tanh(),
-        nn.Linear(200, 10)))
+        nn.Linear(200, 10)),
+        input,
+        label)
     params = model.parameters()
 
 
@@ -384,7 +393,7 @@ Model
 
     # imperative mode
     paddle.disable_static()
-    model = paddle.Model(paddle.vision.models.LeNet())
+    model = paddle.Model(paddle.vision.models.LeNet(), input, label)
     model.prepare(metrics=paddle.metric.Accuracy())
     result = model.evaluate(val_dataset, batch_size=64)
     print(result)
@@ -439,7 +448,7 @@ Model
     # imperative mode
     device = paddle.set_device('cpu')
     paddle.disable_static(device)
-    model = paddle.Model(paddle.vision.models.LeNet())
+    model = paddle.Model(paddle.vision.models.LeNet(), input)
     model.prepare()
     result = model.predict(test_dataset, batch_size=64)
     print(len(result[0]), result[0][0].shape)