adjust_beginners_structure (#446)

* adjust_beginners_structure

* Update index.rst

doc/fluid/user_guides/design_idea/fluid_design_idea.md → doc/fluid/advanced_usage/design_idea/fluid_design_idea.md

-# Fluid设计思想
+# 设计思想
 
 ## 简介
 

doc/fluid/advanced_usage/index.rst

@@ -6,6 +6,8 @@
 
 如果您非常熟悉 Fluid，期望获得更高效的模型或者定义自己的Operator，请阅读：
 
+    	- `Fluid 设计思想 <../advanced_usage/design_idea/fluid_design_idea.html>`_：介绍 Fluid 底层的设计思想，帮助您更好的理解框架运作过程
+
 	- `预测部署 <../advanced_usage/deploy/index_cn.html>`_ ：介绍如何应用训练好的模型进行预测
 
 	- `新增operator <../advanced_usage/development/new_op/index_cn.html>`_ ：介绍新增operator的方法及注意事项
@@ -21,8 +23,9 @@
 ..  toctree::
     :hidden:
 
+    design_idea/fluid_design_idea.md
     deploy/index_cn.rst
     development/new_op/index_cn.rst
+    development/profiling/index_cn.rst
     development/contribute_to_paddle/index_cn.rst
     development/write_docs_cn.md
-    development/profiling/index_cn.rst

doc/fluid/api/index_cn.rst

@@ -5,7 +5,6 @@ API Reference
 ..  toctree::
     :maxdepth: 1
 
-    api_guides/index.rst
     fluid.rst
     average.rst
     backward.rst

doc/fluid/beginners_guide/basics/index.rst

 ################
-深度学习基础知识
+深度学习基础
 ################
 
 
-..  todo::
+本章由6篇文档组成，它们按照简单到难的顺序排列，将指导您如何使用PaddlePaddle完成基础的深度学习任务
+
+本章文档涉及大量了深度学习基础知识，也介绍了如何使用PaddlePaddle实现这些内容，请参阅以下说明了解如何使用：
+
+内容简介
+======================
+
+您现在在看的这本书是一本“交互式”电子书 —— 每一章都可以运行在一个Jupyter Notebook里。
 
-    概述
-    
 ..  toctree::
     :titlesonly:
 
@@ -16,3 +21,67 @@
     understand_sentiment/index.md
     label_semantic_roles/index.md
     machine_translation/index.md
+
+我们把Jupyter、PaddlePaddle、以及各种被依赖的软件都打包进一个Docker image了。所以您不需要自己来安装各种软件，只需要安装Docker即可。对于各种Linux发行版，请参考 https://www.docker.com 。如果您使用 `Windows <https://www.docker.com/docker-windows>`_ 或者 `Mac <https://www.docker.com/docker-mac>`_，可以考虑 `给Docker更多内存和CPU资源 <http://stackoverflow.com/a/39720010/724872>`_ 。
+
+使用方法
+======================
+
+本书默认使用CPU训练，若是要使用GPU训练，使用步骤会稍有变化,请参考下文“使用GPU训练”
+
+使用CPU训练
+>>>>>>>>>>>>
+
+只需要在命令行窗口里运行：
+
+..  code-block:: shell
+
+	docker run -d -p 8888:8888 paddlepaddle/book
+
+即可从DockerHub.com下载和运行本书的Docker image。阅读和在线编辑本书请在浏览器里访问 http://localhost:8888
+
+如果您访问DockerHub.com很慢，可以试试我们的另一个镜像docker.paddlepaddlehub.com：
+
+::
+
+	docker run -d -p 8888:8888 docker.paddlepaddlehub.com/book
+
+
+使用GPU训练
+>>>>>>>>>>>>>
+
+为了保证GPU驱动能够在镜像里面正常运行，我们推荐使用 `nvidia-docker <https://github.com/NVIDIA/nvidia-docker>`_ 来运行镜像。请先安装nvidia-docker，之后请运行：
+
+::
+
+	nvidia-docker run -d -p 8888:8888 paddlepaddle/book:latest-gpu
+
+
+或者使用国内的镜像请运行：
+
+::
+
+	nvidia-docker run -d -p 8888:8888 docker.paddlepaddlehub.com/book:latest-gpu
+
+
+还需要将以下代码
+
+..  code-block:: python
+
+	use_cuda = False
+
+
+改成：
+
+..  code-block:: python
+
+	use_cuda = True
+
+贡献新章节
+=============
+
+您要是能贡献新的章节那就太好了！请发Pull Requests把您写的章节加入到 :code:`pending` 下面的一个子目录里。当这一章稳定下来，我们一起把您的目录挪到根目录。
+
+为了写作、运行、调试，您需要安装Python 2.x和Go >1.5, 并可以用 `脚本程序 <https://github.com/PaddlePaddle/book/blob/develop/.tools/convert-markdown-into-ipynb-and-test.sh>`_ 来生成新的Docker image。
+
+**Please Note:** We also provide `English Readme <https://github.com/PaddlePaddle/book/blob/develop/README.md>`_ for PaddlePaddle book

doc/fluid/beginners_guide/index.rst

@@ -22,7 +22,7 @@ PaddlePaddle (PArallel Distributed Deep LEarning)是一个易用、高效、灵
 
     - `快速入门 <../beginners_guide/quick_start/index.html>`_：提供线性回归和识别数字两个入门级模型，帮助您快速上手训练网络
 
-    - `深度学习基础知识 <../beginners_guide/basics/index.html>`_：覆盖图像分类、个性化推荐、机器翻译等多个深度领域的基础知识，提供 Fluid 实现案例
+    - `深度学习基础 <../beginners_guide/basics/index.html>`_：覆盖图像分类、个性化推荐、机器翻译等多个深度领域的基础知识，提供 Fluid 实现案例
 
 
 ..  toctree::

doc/fluid/user_guides/howto/basic_concept/index_cn.rst

+############
+基本概念
+############
+
+本文介绍Fluid版本基本使用概念：
+
+- `LoD-Tensor使用说明 <lod_tensor.html>`_ : LoD-Tensor是Fluid中特有的概念，它在Tensor基础上附加了序列信息，支持处理变长数据。
+
+..  toctree::
+    :hidden:
+
+    lod_tensor.rst

doc/fluid/user_guides/howto/prepare_data/lod_tensor.md → doc/fluid/user_guides/howto/basic_concept/lod_tensor.rst

-# LoD-Tensor使用说明
+##################
+LoD-Tensor使用说明
+##################
 
 LoD(Level-of-Detail) Tensor是Fluid中特有的概念，它在Tensor基础上附加了序列信息。Fluid中可传输的数据包括：输入、输出、网络中的可学习参数，全部统一使用LoD-Tensor表示。
 
 阅读本文档将帮助您了解 Fluid 中的 LoD-Tensor 设计思想，以便您更灵活的使用这一数据类型。
 
-## 变长序列的挑战
+变长序列的挑战
+================
 
 大多数的深度学习框架使用Tensor表示一个mini-batch。
 
@@ -19,7 +22,8 @@ LoD(Level-of-Detail) Tensor是Fluid中特有的概念，它在Tensor基础上附
 Fluid引入了一个索引数据结构（LoD）来将张量分割成序列。
 
 
-## LoD 索引
+LoD 索引
+===========
 
 为了更好的理解LoD的概念，本节提供了几个例子供您参考：
 
@@ -27,97 +31,118 @@ Fluid引入了一个索引数据结构（LoD）来将张量分割成序列。
 
 假设一个mini-batch中有3个句子，每个句子中分别包含3个、1个和2个单词。我们可以用(3+1+2)xD维Tensor 加上一些索引信息来表示这个mini-batch:
 
-```
-3       1   2
-| | |   |   | |
-```
-上述表示中，每一个`|` 代表一个D维的词向量，数字3，1，2构成了 1-level LoD。
+.. code-block :: python
+
+  3       1   2
+  | | |   |   | |
+
+上述表示中，每一个 :code:`|` 代表一个D维的词向量，数字3，1，2构成了 1-level LoD。
 
 **递归序列**
+
 让我们来看另一个2-level LoD-Tensor的例子：假设存在一个mini-batch中包含3个句子、1个句子和2个句子的文章，每个句子都由不同数量的单词组成，则这个mini-batch的样式可以看作：
-```
-3            1 2 
-3   2  4     1 2  3
-||| || ||||  | || |||
-```
+
+.. code-block :: python
+
+  3            1 2
+  3   2  4     1 2  3
+  ||| || ||||  | || |||
+
 
 表示的LoD信息为：
-```
-[[3，1，2]/*level=0*/，[3，2，4，1，2，3]/*level=1*/]
-```
+
+.. code-block :: python
+
+  [[3，1，2]/*level=0*/，[3，2，4，1，2，3]/*level=1*/]
+
 
 **视频的mini-batch**
 
 在视觉任务中，时常需要处理视频和图像这些元素是高维的对象，假设现存的一个nimi-batch包含3个视频，分别有3个，1个和2个帧，每个帧都具有相同大小：640x480，则这个mini-batch可以被表示为：
-```
-3     1  2
-口口口 口 口口
-```
 
-最底层tensor大小为（3+1+2）x640x480，每一个`口` 表示一个640x480的图像
+.. code-block :: python
+
+  3     1  2
+  口口口 口 口口
+
+
+最底层tensor大小为（3+1+2）x640x480，每一个 :code:`口` 表示一个640x480的图像
 
 **图像的mini-batch**
 
 在传统的情况下，比如有N个固定大小的图像的mini-batch，LoD-Tensor表示为:
 
-```
-1 1 1 1     1
-口口口口 ... 口
-```
+.. code-block :: python
+
+  1 1 1 1     1
+  口口口口 ... 口
+
 在这种情况下，我们不会因为索引值都为1而忽略信息，仅仅把LoD-Tensor看作是一个普通的张量:
-```
-口口口口 ... 口
-```
+
+.. code-block :: python
+
+  口口口口 ... 口
 
 **模型参数**
 
 模型参数只是一个普通的张量，在Fluid中它们被表示为一个0-level LoD-Tensor。
 
-<a name="#LoDTensor的偏移表示"></a>
-## LoDTensor的偏移表示 
+LoDTensor的偏移表示
+=====================
 
 为了快速访问基本序列，Fluid提供了一种偏移表示的方法——保存序列的开始和结束元素，而不是保存长度。
 
 在上述例子中，您可以计算基本元素的长度：
-```
-3 2 4 1 2 3
-```
+
+.. code-block :: python
+
+  3 2 4 1 2 3
+
 将其转换为偏移表示：
-```
-0  3  5   9   10  12   15
-   =  =   =   =   =    =
-   3  2+3 4+5 1+9 2+10 3+12
-```
+
+.. code-block :: python
+
+  0  3  5   9   10  12   15
+     =  =   =   =   =    =
+     3  2+3 4+5 1+9 2+10 3+12
+
 所以我们知道第一个句子是从单词0到单词3，第二个句子是从单词3到单词5。
 
 类似的，LoD的顶层长度
-```
-3 1 2
-```
+
+.. code-block :: python
+
+  3 1 2
+
 可以被转化成偏移形式：
-```
-0 3 4   6
-  = =   =
-  3 3+1 4+2
-```
+
+.. code-block :: python
+
+  0 3 4   6
+    = =   =
+    3 3+1 4+2
 
 因此该LoD-Tensor的偏移表示为：
-```
-0       3    4      6
-  3 5 9   10   12 15
-```
 
-## LoD-Tensor
+.. code-block :: python
+
+  0       3    4      6
+    3 5 9   10   12 15
+
+
+LoD-Tensor
+=============
 一个LoD-Tensor可以被看作是一个树的结构，树叶是基本的序列元素，树枝作为基本元素的标识。
 
-在 Fluid 中 LoD-Tensor 的序列信息有两种表述形式：原始长度和偏移量。在 Paddle 内部采用偏移量的形式表述 LoD-Tensor，以获得更快的序列访问速度；在 python API中采用原始长度的形式表述 LoD-Tensor 方便用户理解和计算，并将原始长度称为：`recursive_sequence_lengths` 。
+在 Fluid 中 LoD-Tensor 的序列信息有两种表述形式：原始长度和偏移量。在 Paddle 内部采用偏移量的形式表述 LoD-Tensor，以获得更快的序列访问速度；在 python API中采用原始长度的形式表述 LoD-Tensor 方便用户理解和计算，并将原始长度称为： :code:`recursive_sequence_lengths` 。
 
 以上文提到的一个2-level LoD-Tensor为例：
-```
-3           1  2
-3   2  4    1  2  3
-||| || |||| |  || |||
-```
+
+.. code-block :: python
+
+  3           1  2
+  3   2  4    1  2  3
+  ||| || |||| |  || |||
 
 - 以偏移量表示此 LoD-Tensor:[ [0,3,4,6] , [0,3,5,9,10,12,15] ]，
 - 以原始长度表达此 Lod-Tensor：recursive_sequence_lengths=[ [3-0 , 4-3 , 6-4] , [3-0 , 5-3 , 9-5 , 10-9 , 12-10 , 15-12] ]。
@@ -125,115 +150,133 @@ Fluid引入了一个索引数据结构（LoD）来将张量分割成序列。
 以文字序列为例： [3,1,2] 可以表示这个mini-batch中有3篇文章，每篇文章分别有3、2、1个句子，[3,2,4,1,2,3] 表示每个句子中分别含有3、2、4、1、2、3个字。
 
 recursive_seq_lens 是一个双层嵌套列表，也就是列表的列表，最外层列表的size表示嵌套的层数，也就是lod-level的大小；内部的每个列表，对应表示每个lod-level下，每个元素的大小。
-```python
-#查看lod-tensor嵌套层数
-print len(recursive_seq_lengths)
-# output：2
 
-#查看最基础元素个数
-print sum(recursive_seq_lengths[-1])
-# output:15 (3+2+4+1+2+3=15)
+.. code-block :: python
+
+  #查看lod-tensor嵌套层数
+  print len(recursive_seq_lengths)
+  # output：2
 
-```
+  #查看最基础元素个数
+  print sum(recursive_seq_lengths[-1])
+  # output:15 (3+2+4+1+2+3=15)
 
-## 代码示例
+代码示例
+===========
 
 本节代码将根据指定的级别y-lod，扩充输入变量x。本例综合了LoD-Tensor的多个重要概念，跟随代码实现，您将：
 
--  直观理解Fluid中 `fluid.layers.sequence_expand` 的实现过程
+-  直观理解Fluid中 :code:`fluid.layers.sequence_expand` 的实现过程
 -  掌握如何在Fluid中创建LoD-Tensor
 -  学习如何打印LoDTensor内容
 
 
 **创建LoD-Tensor**
 
-Fluid中可以通过`fluid.create_lod_tensor()`创建一个LoD-Tensor，使用说明请参考[API reference](http://paddlepaddle.org/documentation/api/zh/develop/fluid.html#create-lod-tensor)。需要注意的是，这个API只能支持int64的数据，如果您希望处理float32的数据，推荐您使用下述方式创建lod_tensor：
+Fluid中可以通过 :code:`fluid.create_lod_tensor()` 创建一个LoD-Tensor，使用说明请参考 :ref:`api_fluid_layers_sequence-expand` 。需要注意的是，这个API只能支持int64的数据，如果您希望处理float32的数据，推荐您使用下述方式创建lod_tensor：
 
 使用fluid.LoDTensor()创建一个LoD-Tensor，并为其指定数据、运算场所和LoD值：
-```python
-import paddle.fluid as fluid
-import numpy as np
-
-def create_lod_tensor(data, lod, place):
-    res = fluid.LoDTensor()
-    res.set(data, place)
-    res.set_lod(lod)
-    return res
-```
+
+.. code-block :: python
+  import paddle.fluid as fluid
+  import numpy as np
+
+  def create_lod_tensor(data, lod, place):
+      res = fluid.LoDTensor()
+      res.set(data, place)
+      res.set_lod(lod)
+      return res
+
 **定义计算过程**
 
-layers.sequence_expand通过获取 y 的 lod 值对 x 的数据进行扩充，关于`fluid.layers.sequence_expand` 的功能说明，请先阅读[API reference](http://www.paddlepaddle.org/documentation/api/zh/0.15.0/layers.html#sequence-expand)。
+layers.sequence_expand通过获取 y 的 lod 值对 x 的数据进行扩充，关于 :code:`fluid.layers.sequence_expand` 的功能说明，请先阅读 :ref:`api_fluid_layers_sequence-expand` 。
 
 序列扩充代码实现：
-```python
-x = fluid.layers.data(name='x', shape=[1], dtype='float32', lod_level=0)
-y = fluid.layers.data(name='y', shape=[1], dtype='float32', lod_level=1)
-out = fluid.layers.sequence_expand(x=x, y=y, ref_level=0)
-```
+
+.. code-block :: python
+
+  x = fluid.layers.data(name='x', shape=[1], dtype='float32', lod_level=0)
+  y = fluid.layers.data(name='y', shape=[1], dtype='float32', lod_level=1)
+  out = fluid.layers.sequence_expand(x=x, y=y, ref_level=0)
+
 *说明*：输出LoD-Tensor的维度仅与传入的真实数据维度有关，在定义网络结构阶段为x、y设置的shape值，仅作为占位，并不影响结果。
 
 **创建Executor**
-```python
-place = fluid.CPUPlace()
-exe = fluid.Executor(place)
-exe.run(fluid.default_startup_program())
-```
-<a name="#准备数据"></a>
+
+.. code-block :: python
+
+  place = fluid.CPUPlace()
+  exe = fluid.Executor(place)
+  exe.run(fluid.default_startup_program())
 
 **准备数据**
 
-这里我们使用[偏移量](#LoDTensor的偏移表示)的方法表示Tensor的LoD索引：
+这里我们使用偏移量的方法表示Tensor的LoD索引：
 假使x_d 为一个LoDTensor：
-```
-x.lod = [[0,1,4]]
-x.data = [[1],[2],[3],[4]]
-x.dims = [4,1]
-```	
+
+.. code-block :: shell
+
+  x.lod = [[0,1,4]]
+  x.data = [[1],[2],[3],[4]]
+  x.dims = [4,1]
+
 y_d 也为一个LoDTensor：
-```
-y.lod = [[0, 1,       4],
-         [0, 2, 3, 5, 6]]
-```
+
+.. code-block :: shell
+
+  y.lod = [[0, 1,       4],
+           [0, 2, 3, 5, 6]]
+
 其中，输出值只与 y 的LoD值有关，y_d 的 data 值在这里并不参与计算，维度上与LoD[-1]一致即可。
 
 预期输出结果为：
-```
-#预期输出lod的原始长度
-out.lod =  [ [1,  3,          3,         3]]
-#预期输出结果
-out.data = [ [1],[2],[3],[4],[2],[3],[4],[2],[3],[4]]
-```
+
+.. code-block :: shell
+
+  #预期输出lod的原始长度
+  out.lod =  [ [1,  3,          3,         3]]
+  #预期输出结果
+  out.data = [ [1],[2],[3],[4],[2],[3],[4],[2],[3],[4]]
+
 实现代码如下：
-```python
-x_d = create_lod_tensor(np.array([[1], [2],[3],[4]]), [[0,1,4]], place)
-y_d = create_lod_tensor(np.array([[1],[1],[1],[1],[1],[1]]), [[0,1,4], [0,2,3,5,6]], place)
-```
+
+.. code-block :: python
+
+  x_d = create_lod_tensor(np.array([[1], [2],[3],[4]]), [[0,1,4]], place)
+  y_d = create_lod_tensor(np.array([[1],[1],[1],[1],[1],[1]]), [[0,1,4], [0,2,3,5,6]], place)
+
 **执行运算**
 
-在Fluid中，LoD>1的Tensor与其他类型数据一样，使用feed定义数据传入顺序。此外，由于输出results是带有LoD信息的Tensor，需在exe.run( )中添加`return_numpy=False`参数，获得LoD-Tensor的输出结果。
-```python
-feeder = fluid.DataFeeder(place=place, feed_list=[x, y])
-results = exe.run(fluid.default_main_program(),
-                  feed={'x':x_d, 'y': y_d },
-                  fetch_list=[out],return_numpy=False)
-```
+在Fluid中，LoD>1的Tensor与其他类型数据一样，使用feed定义数据传入顺序。此外，由于输出results是带有LoD信息的Tensor，需在exe.run( )中添加 :code: `return_numpy=False`参数，获得LoD-Tensor的输出结果。
+
+.. code-block :: python
+
+  feeder = fluid.DataFeeder(place=place, feed_list=[x, y])
+  results = exe.run(fluid.default_main_program(),
+                    feed={'x':x_d, 'y': y_d },
+                    fetch_list=[out],return_numpy=False)
+
 **查看LodTensor结果**
 
 由于LoDTensor的特殊属性，无法直接print查看内容，常用操作时将LoD-Tensor作为网络的输出fetch出来，然后执行 numpy.array(lod_tensor), 就能转成numpy array：
 
-```python
-np.array(results[0])
-```
+.. code-block :: python
+
+  np.array(results[0])
+
 输出结果为：
-```
-array([[1],[2],[3],[4],[2],[3],[4],[2],[3],[4]])
-```
-可以看到与[准备数据](#准备数据)一节中的预期结果一致。
 
-## 总结
+.. code-block :: python
+
+  array([[1],[2],[3],[4],[2],[3],[4],[2],[3],[4]])
+
+可以看到与准备数据一节中的预期结果一致。
+
+总结
+========
 
 至此，相信您已经基本掌握了LoD-Tensor的概念，尝试修改上述代码中的 x_d 与 y_d，观察输出结果，有助于您更好的理解这一灵活的结构。
 
-更多LoDTensor的模型应用，可以参考新手入门中的[词向量](../../../beginners_guide/basics/word2vec/index.html)、[个性化推荐](../../../beginners_guide/basics/recommender_system/index.html)、[情感分析](../../../beginners_guide/basics/understand_sentiment/index.html)等指导教程。
+更多LoDTensor的模型应用，可以参考新手入门中的 `词向量 <../../../beginners_guide/basics/word2vec/index.html>`_ 、`个性化推荐 <../../../beginners_guide/basics/recommender_system/index.html>`_、`情感分析 <../../../beginners_guide/basics/understand_sentiment/index.html>`_ 等指导教程。
 
-更高阶的应用案例，请参考[模型库](../../../user_guides/models/index.html)中的相关内容。
+更高阶的应用案例，请参考 `模型库 <../../../user_guides/models/index_cn.html>`_ 中的相关内容。

doc/fluid/user_guides/howto/prepare_data/index.rst

@@ -55,14 +55,3 @@ Fluid提供PyReader异步数据传入方式，数据传入与模型训练/预测
    :maxdepth: 1
 
    use_py_reader.rst
-
-
-LoD-Tensor简介
-#####################
-
-LoD-Tensor是Fluid中特有的概念，它在Tensor基础上附加了序列信息，支持处理变长数据。具体请参考：
-
-..  toctree::
-    :maxdepth:2
-
-    lod_tensor.md

doc/fluid/user_guides/index.rst

@@ -6,8 +6,7 @@
 
 如果您已经掌握了新手入门阶段的内容，期望可以针对实际问题建模、搭建自己网络，本模块提供了一些 Fluid 的使用细节供您参考：
 
-
-    - `Fluid 设计思想 <../user_guides/design_idea/fluid_design_idea.html>`_：介绍 Fluid 底层的设计思想，帮助用户更好的理解框架运作过程
+    - `基本概念 <../user_guides/howto/basic_concept/index_cn.rst>`_ ：介绍了Fluid的基本使用概念
 
     - `准备数据 <../user_guides/howto/prepare_data/index.html>`_ ：介绍使用 Fluid 训练网络时，数据的支持类型及传输方法
 
@@ -27,9 +26,9 @@
 ..  toctree::
     :hidden:
 
+    howto/basic_concept/index_cn.rst
     howto/prepare_data/index
     howto/configure_simple_model/index
     howto/training/index
     howto/evaluation_and_debugging/index
     models/index_cn.rst
-    design_idea/fluid_design_idea.md