remove some API doc test=develop (#1923)

* removefill_constant_batch_size_like  gaussian_random_batch_size_like  uniform_random_batch_size_like_cn API doc test=develop

doc/fluid/api/layers.rst

@@ -104,7 +104,6 @@ fluid.layers
     layers/eye.rst
     layers/fc.rst
     layers/fill_constant.rst
-    layers/fill_constant_batch_size_like.rst
     layers/filter_by_instag.rst
     layers/flatten.rst
     layers/floor.rst
@@ -113,7 +112,6 @@ fluid.layers
     layers/gather_nd.rst
     layers/gather_tree.rst
     layers/gaussian_random.rst
-    layers/gaussian_random_batch_size_like.rst
     layers/gelu.rst
     layers/generate_mask_labels.rst
     layers/generate_proposal_labels.rst
@@ -308,7 +306,6 @@ fluid.layers
     layers/unfold.rst
     layers/Uniform.rst
     layers/uniform_random.rst
-    layers/uniform_random_batch_size_like.rst
     layers/unique.rst
     layers/unique_with_counts.rst
     layers/unsqueeze.rst

doc/fluid/api/layers/fill_constant_batch_size_like.rst

-..  THIS FILE IS GENERATED BY `gen_doc.{py|sh}`
-    !DO NOT EDIT THIS FILE MANUALLY!
-
-.. _api_fluid_layers_fill_constant_batch_size_like:
-
-fill_constant_batch_size_like
------------------------------
-
-..  autofunction:: paddle.fluid.layers.fill_constant_batch_size_like
-    :noindex:
-

doc/fluid/api/layers/gaussian_random_batch_size_like.rst

-..  THIS FILE IS GENERATED BY `gen_doc.{py|sh}`
-    !DO NOT EDIT THIS FILE MANUALLY!
-
-.. _api_fluid_layers_gaussian_random_batch_size_like:
-
-gaussian_random_batch_size_like
--------------------------------
-
-..  autofunction:: paddle.fluid.layers.gaussian_random_batch_size_like
-    :noindex:
-

doc/fluid/api/layers/uniform_random_batch_size_like.rst

-..  THIS FILE IS GENERATED BY `gen_doc.{py|sh}`
-    !DO NOT EDIT THIS FILE MANUALLY!
-
-.. _api_fluid_layers_uniform_random_batch_size_like:
-
-uniform_random_batch_size_like
-------------------------------
-
-..  autofunction:: paddle.fluid.layers.uniform_random_batch_size_like
-    :noindex:
-

doc/fluid/api_cn/layers_cn.rst

@@ -108,7 +108,6 @@ fluid.layers
     layers_cn/exponential_decay_cn.rst
     layers_cn/eye_cn.rst
     layers_cn/fc_cn.rst
-    layers_cn/fill_constant_batch_size_like_cn.rst
     layers_cn/fill_constant_cn.rst
     layers_cn/filter_by_instag_cn.rst
     layers_cn/flatten_cn.rst
@@ -117,7 +116,6 @@ fluid.layers
     layers_cn/gather_cn.rst
     layers_cn/gather_nd_cn.rst
     layers_cn/gather_tree_cn.rst
-    layers_cn/gaussian_random_batch_size_like_cn.rst
     layers_cn/gaussian_random_cn.rst
     layers_cn/gelu_cn.rst
     layers_cn/generate_mask_labels_cn.rst
@@ -313,7 +311,6 @@ fluid.layers
     layers_cn/unfold_cn.rst
     layers_cn/Uniform_cn.rst
     layers_cn/uniform_random_cn.rst
-    layers_cn/uniform_random_batch_size_like_cn.rst
     layers_cn/unique_cn.rst
     layers_cn/unique_with_counts_cn.rst
     layers_cn/unsqueeze_cn.rst

doc/fluid/api_cn/layers_cn/continuous_value_model_cn.rst

@@ -31,7 +31,8 @@ continuous_value_model
                             input=input,
                             size=[100, 11],
                             dtype='float32')
-    ones = fluid.layers.fill_constant_batch_size_like(input=label, shape=[-1, 1], dtype="int64", value=1)
+    label_shape = fluid.layers.shape(label)
+    ones = fluid.layers.fill_constant(shape=[label_shape[0], 1], dtype="int64", value=1)
     show_clk = fluid.layers.cast(fluid.layers.concat([ones, label], axis=1), dtype='float32')
     show_clk.stop_gradient = True
     input_with_cvm = fluid.layers.continuous_value_model(embed, show_clk, True)

doc/fluid/api_cn/layers_cn/fill_constant_batch_size_like_cn.rst

-.. _cn_api_fluid_layers_fill_constant_batch_size_like:
-
-fill_constant_batch_size_like
--------------------------------
-
-.. py:function:: paddle.fluid.layers.fill_constant_batch_size_like(input,shape,dtype,value,input_dim_idx=0,output_dim_idx=0,force_cpu=False)
-
-该OP创建一个形状为shape并且数据类型为dtype的Tensor，同时用 ``value`` 中提供的常量初始化该Tensor。在输入为LoDTensor并且input_dim_idx为0的
-时候将输出output_dim_idx维度的大小设置为input输入的batch_size的值，创建的Tensor的stop_gradient属性默认为False。
-
-参数：
-    - **input** (Variable)- 输入的Tensor或者LoDTensor，支持数据类型为 float32， float64， int32， int64，bool。
-    - **shape** (list)- 创建Tensor的shape，最后创建的LoDTensor的shape可能会依据input发生变动。
-    - **dtype** (np.dtype|core.VarDesc.VarType|str)- 创建Tensor的数据类型，支持数据类型为 float32， float64， int32， int64，bool。
-    - **value** (float|int)-  用于初始化输出Tensor的常量数据的值。
-    - **input_dim_idx** (int)- 当值为0并且输入为LoDTensor的时候，创建Tensor的output_dim_idx维度会设置为input的batch_size值，默认值为0。
-    - **output_dim_idx** (int) -用于指定创建的Tensor哪个维度设置为输入batch_size的值，默认值为0。
-    - **force_cpu** (bool)- 用于返回的Tensor是否创建在CPU上，默认值为False，若设为true，则数据在CPU上。
-
-返回：创建的Tensor, 数据类型为dtype。
-
-返回类型：(Variable)
-
-**代码示例**：
-
-.. code-block:: python
-
-    import paddle.fluid as fluid
-    like = fluid.layers.fill_constant(shape=[1,2], value=10, dtype='int64') #like=[[10, 10]]
-    data = fluid.layers.fill_constant_batch_size_like(
-                input=like, shape=[1], value=0, dtype='int64') #like=[[10, 10]] data=[0]
\ No newline at end of file

doc/fluid/api_cn/layers_cn/gaussian_random_batch_size_like_cn.rst

-.. _cn_api_fluid_layers_gaussian_random_batch_size_like:
-
-gaussian_random_batch_size_like
--------------------------------
-
-.. py:function:: paddle.fluid.layers.gaussian_random_batch_size_like(input, shape, input_dim_idx=0, output_dim_idx=0, mean=0.0, std=1.0, seed=0, dtype='float32')
-
-使用高斯随机发生器初始化张量。高斯分布的默认均值（mean）为0，默认标准差（std）为 1 。用户可以通过输入参数设置 mean 和 std 。
-
-参数：
-        - **input** （Variable）- 其 input_dim_idx'th 维度指定 batch_size 的张量（Tensor）。
-        - **shape** （tuple|list）- 输出的形状。
-        - **input_dim_idx** （Int）- （默认值0）输入批量大小维度的索引。
-        - **output_dim_idx** （Int）- （默认值0）输出批量大小维度的索引。
-        - **mean** （float）- （默认值 0.0）高斯分布的平均值（或中心值）。
-        - **std** （float）- （默认值 1.0）高斯分布的标准差（std或spread）。
-        - **seed** （int）- （默认值为 0）用于随机数发生器的随机种子。0表示使用系统生成的种子。请注意，如果seed不为0，则此算子每次将始终生成相同的随机数。
-        - **dtype** （np.dtype | core.VarDesc.VarType | str）- 输出数据的类型，float32、float_16、int 等。
-
-返回：指定形状的张量，由从高斯分布抽样产生的随机数所填充。
-
-返回类型：Variable
-
-
-
-**代码示例：**
-
-.. code-block:: python
-
-    import paddle.fluid as fluid
-    input = fluid.layers.data(name="input", shape=[13, 11], dtype='float32')
-
-    out = fluid.layers.gaussian_random_batch_size_like(
-        input, shape=[-1, 11], mean=1.0, std=2.0)
-
-
-
-
-
-

doc/fluid/api_cn/layers_cn/uniform_random_batch_size_like_cn.rst

-.. _cn_api_fluid_layers_uniform_random_batch_size_like:
-
-uniform_random_batch_size_like
--------------------------------
-
-.. py:function:: paddle.fluid.layers.uniform_random_batch_size_like(input, shape, dtype='float32', input_dim_idx=0, output_dim_idx=0, min=-1.0, max=1.0, seed=0)
-
-该OP使用从范围[min，max)内均匀分布采样的随机值初始化一个Tensor，且输出Tensor的
-指定维度将被设置为与输入Tensor指定维度相同的值。
-
-::
-
-    示例1:
-              给定：  
-                   input =[[0.946741  , 0.1357001 , 0.38086128]]    # input.shape=[1,3]
-                   shape=[2,4]
-              此时，output_dim_idx = 0， input_dim_idx = 0，result.shape[0] = input.shape[0]
-              则：
-                   result=[[ 0.3443427 , -0.23056602,  0.3477049 ,  0.06139076]]    # result.shape=[1,4]
-
-    示例2:
-              给定：
-                   input =[[0.946741  , 0.1357001 , 0.38086128]]     # input.shape=[1,3]
-                   shape=[2,4]
-                   input_dim_idx=1
-                   output_dim_idx=1
-              此时，output_dim_idx = 1， input_dim_idx = 1，result.shape[1] = input.shape[1]
-              则：
-                   result=[[-0.23133647, -0.84195036,  0.21441269],
-                          [-0.08774924,  0.25605237, -0.09403259]]    # result.shape=[2,3]
-
-参数：
-        - **input** （Variable）- 输入Tensor，支持的数据类型：float32。
-        - **shape** （list|tuple）- 输出Tensor的维度，类型为list或者tuple。支持的数据类型：int。
-        - **input_dim_idx** （int，可选）- 输入Tensor指定维度的索引。该参数指定输入Tensor维度的值将用于调整输出Tensor维度的大小。支持的数据类型：int。默认值为0。
-        - **output_dim_idx** （int，可选）- 输出Tensor指定维度的索引。该参数指定输出Tensor的维度将被设置为与输入Tensor指定维度相同的值。支持的数据类型：int。默认值为0。
-        - **min** （float，可选）- 要生成的随机值范围的下限，min包含在范围中。支持的数据类型：float。默认值为 1.0。
-        - **max** （float，可选）- 要生成的随机值范围的上限，max不包含在范围中。支持的数据类型：float。默认值为1.0。
-        - **seed** （int，可选）- 用于生成样本的随机种子。0表示使用系统生成的种子，数据类型为int。注意如果seed不为0，则此算子将始终每次生成相同的随机数。支持的数据类型：int。默认值为0。
-        - **dtype** （np.dtype | core.VarDesc.VarType | str，可选） - 输出Tensor的数据类型。支持的数据类型：float32， float64，默认值为float32。
-
-返回:      表示随机初始化结果的Tensor，数据类型由dtype参数设置，该Tensor的维度由shape参数和输入Tensor的指定维度共同决定。
-
-返回类型:        Variable
-
-
-**代码示例：**
-
-.. code-block:: python
-
-    import paddle.fluid as fluid
-    import paddle.fluid.layers as layers
-    
-    
-    input = fluid.data(name="input", shape=[13, 11], dtype='float32')
-    # examp 1:
-    # input_dim_idx和output_dim_idx使用默认值 
-    out1 = layers.uniform_random_batch_size_like(input, [3, 5]) 
-    out1_shape = layers.shape(out1) # [13,5]
-   
-    # example 2:
-    # input_dim_idx和output_dim_idx使用指定值
-    out2=layers.uniform_random_batch_size_like(input, [3, 5], input_dim_idx=1, output_dim_idx=1)
-    out2_shape = layers.shape(out2) # [3,11]        
-
-
-
-

doc/fluid/api_guides/low_level/layers/tensor.rst

@@ -56,64 +56,56 @@ Fluid 使用 :code:`sums` 执行对输入数据的加和。
 
 API reference 请参考：:ref:`cn_api_fluid_layers_sums`
 
-
-7. fill_constant_batch_size_like
----------------------------------
-
-Fluid 使用 :code:`fill_constant_batch_size_like` 创建一个具有特定形状、类型和 batch_size 的 Tensor。并且该Tensor的初始值可以被指定为任意常数。其中 batch_size 信息由该tensor的 :code:`input_dim_idx` 和 :code:`output_dim_idx` 确定。
-
-API reference 请参考：:ref:`cn_api_fluid_layers_fill_constant_batch_size_like`
-
-8. fill_constant
+7. fill_constant
 -----------------
 
 Fluid 使用 :code:`fill_constant` 创建一个具有特定形状和类型的 Tensor。可以通过 :code:`value` 设置该变量的初始值。
 
 API reference 请参考： :ref:`cn_api_fluid_layers_fill_constant`
 
-9. assign
+8. assign
 ---------------
 
 Fluid 使用 :code:`assign` 复制一个变量。
 
 API reference 请参考：:ref:`cn_api_fluid_layers_assign`
 
-10. argmin
+9. argmin
 --------------
 
 Fluid 使用 :code:`argmin` 计算输入 Tensor 指定轴上最小元素的索引。
 
 API reference 请参考：:ref:`cn_api_fluid_layers_assign`
 
-11. argmax
+10. argmax
 -----------
 
 Fluid 使用 :code:`argmax` 计算输入 Tensor 指定轴上最大元素的索引。
 
 API reference 请参考：:ref:`cn_api_fluid_layers_argmax`
 
-12. argsort
+11. argsort
 ------------
 
 Fluid 使用 :code:`argsort` 对输入 Tensor 在指定轴上进行排序，并返回排序后的数据变量及其对应的索引值。
 
 API reference 请参考： :ref:`cn_api_fluid_layers_argsort`
 
-13. ones
+12. ones
 -------------
 
 Fluid 使用 :code:`ones` 创建一个指定大小和数据类型的Tensor，且初始值为1。
 
 API reference 请参考： :ref:`cn_api_fluid_layers_ones`
 
-14. zeros
+13. zeros
 ---------------
 
 Fluid 使用 :code:`zeros` 创建一个指定大小和数据类型的Tensor，且初始值为0。
 
 API reference 请参考： :ref:`cn_api_fluid_layers_zeros`
 
-15. reverse
+14. reverse
 -------------------
 
 Fluid 使用 :code:`reverse` 沿指定轴反转 Tensor。
@@ -146,4 +138,4 @@ API reference 请参考： :ref:`cn_api_fluid_create_random_int_lodtensor`
 
 Fluid 使用 :code:`reorder_lod_tensor_by_rank` 对输入 LoD_Tensor 的序列信息按指定顺序重拍。
 
-API reference 请参考：:ref:`cn_api_fluid_layers_reorder_lod_tensor_by_rank`
\ No newline at end of file
+API reference 请参考：:ref:`cn_api_fluid_layers_reorder_lod_tensor_by_rank`

doc/fluid/api_guides/low_level/layers/tensor_en.rst

@@ -56,64 +56,56 @@ Fluid uses :code:`sums` to sum up the input data.
 
 API reference  : :ref:`api_fluid_layers_sums`
 
-
-7. fill_constant_batch_size_like
----------------------------------
-
-Fluid uses :code:`fill_constant_batch_size_like` to create a Tensor with a specific shape, type, and batch_size. And the initial value of the Tensor can be specified as an arbitrary constant. The batch_size information is determined by the tensor's :code:`input_dim_idx` and :code:`output_dim_idx`.
-
-API reference  : :ref:`api_fluid_layers_fill_constant_batch_size_like`
-
-8. fill_constant
+7. fill_constant
 -----------------
 
 Fluid uses :code:`fill_constant` to create a Tensor with a specific shape and type. The initial value of this variable can be set via :code:`value`.
 
 API reference : :ref:`api_fluid_layers_fill_constant`
 
-9. assign
+8. assign
 ---------------
 
 Fluid uses :code:`assign` to duplicate a variable.
 
 API reference  : :ref:`api_fluid_layers_assign`
 
-10. argmin
+9. argmin
 --------------
 
 Fluid uses :code:`argmin` to calculate the index of the smallest element on the specified axis of Tensor.
 
 API reference  : :ref:`api_fluid_layers_argmin`
 
-11. argmax
+10. argmax
 -----------
 
 Fluid uses :code:`argmax` to calculate the index of the largest element on the specified axis of Tensor.
 
 API reference  : :ref:`api_fluid_layers_argmax`
 
-12. argsort
+11. argsort
 ------------
 
 Fluid uses :code:`argsort` to sort the input Tensor on the specified axis and it will return the sorted data variables and their corresponding index values.
 
 API reference : :ref:`api_fluid_layers_argsort`
 
-13. ones
+12. ones
 -------------
 
 Fluid uses :code:`ones` to create a Tensor of the specified size and data type with an initial value of 1.
 
 API reference : :ref:`api_fluid_layers_ones`
 
-14. zeros
+13. zeros
 ---------------
 
 Fluid uses :code:`zeros` to create a Tensor of the specified size and data type with an initial value of zero.
 
 API reference : :ref:`api_fluid_layers_zeros`
 
-15. reverse
+14. reverse
 -------------------
 
 Fluid uses :code:`reverse` to invert Tensor along the specified axis.
@@ -146,4 +138,4 @@ API reference : :ref:`api_fluid_create_random_int_lodtensor`
 
 Fluid uses :code:`reorder_lod_tensor_by_rank` to reorder the sequence information of the input LoD_Tensor in the specified order.
 
-API reference : :ref:`api_fluid_layers_reorder_lod_tensor_by_rank`
\ No newline at end of file
+API reference : :ref:`api_fluid_layers_reorder_lod_tensor_by_rank`

doc/fluid/user_guides/cv_case/gan/README.cn.md

@@ -285,10 +285,11 @@ with fluid.program_guard(dg_program):
     dg_logit = D(g_img)
 
     # 计算生成图片被判别为真实样本的loss
+    noise_shape = fluid.layers.shape(noise)
     dg_loss = loss(
         dg_logit,
-        fluid.layers.fill_constant_batch_size_like(
-            input=noise, dtype='float32', shape=[-1, 1], value=1.0))
+        fluid.layers.fill_constant(
+            dtype='float32', shape=[noise_shape[0], 1], value=1.0))
 
 ```
 使用adam作为优化器，分别优化判别真实图片的loss和判别生成图片的loss。

doc/fluid/user_guides/cv_case/gan/README.md

@@ -284,10 +284,11 @@ with fluid.program_guard(dg_program):
     dg_logit = D(g_img)
 
     # Calculate the loss of the generated image as the real sample
+    noise_shape = fluid.layers.shape(noise)
     dg_loss = loss(
         dg_logit,
-        fluid.layers.fill_constant_batch_size_like(
-            input=noise, dtype='float32', shape=[-1, 1], value=1.0))
+        fluid.layers.fill_constant(
+            dtype='float32', shape=[noise_shape[0], 1], value=1.0))
 
 ```
 Adam is used as the optimizer to distinguish the loss of the real picture and the loss of the generated picture.

doc/fluid/user_guides/cv_case/gan/dc_gan.py

@@ -74,11 +74,11 @@ def train(args):
         g_program_test = dg_program.clone(for_test=True)
 
         dg_logit = D(g_img)
+        noise_shape = fluid.layers.shape(noise)
         dg_loss = loss(dg_logit,
-                       fluid.layers.fill_constant_batch_size_like(
-                           input=noise,
+                       fluid.layers.fill_constant(
                            dtype='float32',
-                           shape=[-1, 1],
+                           shape=[noise_shape[0], 1],
                            value=1.0))
 
     opt = fluid.optimizer.Adam(learning_rate=LEARNING_RATE)

doc/fluid/user_guides/cv_case/gan/index.cn.html

@@ -327,10 +327,11 @@ with fluid.program_guard(dg_program):
     dg_logit = D(g_img)
 
     # 计算生成图片被判别为真实样本的loss
+    noise_shape = fluid.layers.shape(noise)
     dg_loss = loss(
         dg_logit,
-        fluid.layers.fill_constant_batch_size_like(
-            input=noise, dtype='float32', shape=[-1, 1], value=1.0))
+        fluid.layers.fill_constant(
+            dtype='float32', shape=[noise_shape[0], 1], value=1.0))
 
 ```
 使用adam作为优化器，分别优化判别真实图片的loss和判别生成图片的loss。

doc/fluid/user_guides/cv_case/gan/index.html

@@ -326,10 +326,11 @@ with fluid.program_guard(dg_program):
     dg_logit = D(g_img)
 
     # Calculate the loss of the generated image as the real sample
+    noise_shape = fluid.layers.shape(noise)
     dg_loss = loss(
         dg_logit,
-        fluid.layers.fill_constant_batch_size_like(
-            input=noise, dtype='float32', shape=[-1, 1], value=1.0))
+        fluid.layers.fill_constant(
+            dtype='float32', shape=[noise_shape[0], 1], value=1.0))
 
 ```
 Adam is used as the optimizer to distinguish the loss of the real picture and the loss of the generated picture.

doc/fluid/user_guides/cv_case/gan/network.py

@@ -89,8 +89,9 @@ def deconv(x,
 
 def conv_cond_concat(x, y):
     """Concatenate conditioning vector on feature map axis."""
-    ones = fluid.layers.fill_constant_batch_size_like(
-        x, [-1, y.shape[1], x.shape[2], x.shape[3]], "float32", 1.0)
+    x_shape = fluid.layers.shape(x)
+    ones = fluid.layers.fill_constant(
+        x, [x_shape[0], y.shape[1], x.shape[2], x.shape[3]], "float32", 1.0)
     return fluid.layers.concat([x, ones * y], 1)