update doc to reStructuredText

source/user_guides/howto/training/checkpoint_doc_cn.md

-# Checkpoint功能使用指南
-## 背景
+
+######################
+Checkpoint功能使用指南
+######################
+
+背景
+----
+
 单机/多机在训练过程中会由于软件/硬件的问题出现异常，导致训练中断，进而导致训练无结果或结果不可用，浪费大量时间和机器性能。
 
-## 目的
+目的
+----
 Checkpoint功能能够在训练中途对训练数据中间数据进行保存，出现异常恢复训练的时候能够加载中途保存的数据继续训练， 实现单机/多机的容错训练的功能。
 
-## 说明
-### 目前已实现的参数保存：
+说明
+----
+- 目前已实现的参数保存：
 1. 基于Trainer 0 实现训练过程中的参数保存
 2. 基于PServer 实现了Distribute Lookup Table相关参数保存
 ### Fluid Checkpoint 保存数据目录结构：
@@ -22,35 +30,41 @@ checkpoint_dir (用户定义的checkpoint目录)
 │       └── step_id
 └── checkpoint_1 (第二次保存)
 
-## 使用方法
-### 声明Fluid.CheckpointConfig
+使用方法
+--------
+1. 声明Fluid.CheckpointConfig
 用户对checkpoint功能的配置，主要是配置对象Fluid.CheckpointConfig.
 CheckpointConfig 包括4个参数：
-```table
-参数   | 类型 |  说明
-checkpoint_dir   |  int | checkpoint存储目录
-max_num_checkpoints  | int | 最大保存的checkpoint副本数
-epoch_interval  | int |    每隔epoch_interval轮epoch
-step_interval   | int |   每隔step_interval轮step
-```
-### 在Fluid.Trainer对象的声明中加入Fluid.CheckpointConfig的声明
+====================  ==========  ================
+                        CheckpointConfig参数说明
+------------------------------------------------ 
+  参数                              类型  说明 
+====================  ===  ========================
+checkpoint_dir             int  checkpoint存储目录 
+max_num_checkpoints   int  最大保存的checkpoint副本数 
+epoch_interval             int   每隔epoch_interval轮epoch 
+step_interval               int   每隔step_interval轮step 
+====================  ===  ========================
+
+2. 在Fluid.Trainer对象的声明中加入Fluid.CheckpointConfig的声明
 Trainer的__init__方法的参数中包含了对CheckpointConfig， 需要传入在声明Trainer前声明的CheckpointConfig对象。
 如：
-```python
-config = CheckpointConfig(
-    checkpoint_dir = "/tmp/ckpt", max_num_checkpoints = 2, 
-    epoch_interval = 2, step_interval = 10)
-trainer = Trainer(..., checkpoint_config=config)
-```
+.. code-block:: python
+
+    config = CheckpointConfig(
+        checkpoint_dir = "/tmp/ckpt", max_num_checkpoints = 2, 
+        epoch_interval = 2, step_interval = 10)
+    trainer = Trainer(..., checkpoint_config=config)
+
 定义和声明完成后， 训练在运行过程中就会在指定的step和epoch处进行保存，出现异常时，就会自动从最新的checkpoint目录进行参数恢复啦！
 
-## 相关API
+相关API
+-------
 https://github.com/PaddlePaddle/Paddle/blob/3ff9ba0e6ba1eec282b6e89fb7bea2e2046f01c5/python/paddle/fluid/trainer.py#L97
-## 注意
+
+注意
+----
 1. 保证每个训练的```checkpoint_dir``` 与其他训练独立。
 2. 最大副本数量max_num_checkpoints需要根据磁盘容量以及模型的大小进行调整， 保证磁盘的可用性。
 3. epoch_interval  和 step_interval  不宜过小， 频繁的进行checkpoint会拖慢训练速度。
-4. **分布式训练**的过程中：每个Trainer都会在checkpoint_dir目录中保存当前Trainer的参数（只有Trainer 0会保存模型的参数），需要**分布式文件系统(HDFS等)**将同checkpoint_dir目录的数据进行合并才能得到完整的数据，恢复训练的时候需要用完整的数据进行恢复。
-
-## 后续规划
-1. 支持通过etcd进行参数保存。
\ No newline at end of file
+4. **分布式训练**的过程中：每个Trainer都会在checkpoint_dir目录中保存当前Trainer的参数（只有Trainer 0会保存模型的参数），需要**分布式文件系统(HDFS等)**将同checkpoint_dir目录的数据进行合并才能得到完整的数据，恢复训练的时候需要用完整的数据进行恢复。
\ No newline at end of file