syn_cn_en_apidoc (#856)

doc/fluid/api_cn/layers_cn.rst

@@ -2882,8 +2882,8 @@ dropout op可以从Program中删除，提高执行效率。
       1. downgrade_in_infer(default), 在预测时减小输出结果
 
          - train: out = input * mask
-         
-         - inference: out = input * (1.0 - dropout_prob) 
+
+         - inference: out = input * (1.0 - dropout_prob)
 
          (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 ``dropout_prob`` )
 
@@ -3179,9 +3179,9 @@ LSTMP层(具有循环映射的LSTM)在LSTM层后有一个分离的映射层，
     - **proj_activation** (str) - 投影输出的激活函数。Choices = [“sigmoid”，“tanh”，“relu”，“identity”]，默认“tanh”。
     - **dtype** (str) - 数据类型。Choices = [“float32”，“float64”]，默认“float32”。
     - **name** (str|None) - 该层名称（可选）。若设为None，则自动为该层命名。
-    - **h_0** (Variable) - 初始隐藏状态是可选输入，默认为0。这是一个具有形状的张量(N x D)，其中N是批大小，D是投影大小。 
+    - **h_0** (Variable) - 初始隐藏状态是可选输入，默认为0。这是一个具有形状的张量(N x D)，其中N是批大小，D是投影大小。
     - **c_0** (Variable) - 初始cell状态是可选输入，默认为0。这是一个具有形状(N x D)的张量，其中N是批大小。h_0和c_0可以为空，但只能同时为空。
-    - **cell_clip** (float) - 如果提供该参数，则在单元输出激活之前，单元状态将被此值剪裁。 
+    - **cell_clip** (float) - 如果提供该参数，则在单元输出激活之前，单元状态将被此值剪裁。
     - **proj_clip** (float) - 如果 num_proj > 0 并且 proj_clip 被提供,那么将投影值沿元素方向剪切到[-proj_clip，proj_clip]内
 
 返回：含有两个输出变量的元组，隐藏状态（hidden state）的投影和LSTMP的cell状态。投影的shape为（T*P），cell state的shape为（T*D），两者的LoD和输入相同。
@@ -3827,12 +3827,12 @@ fc
                 data_1.data = [[[0.1, 0.2],
                                [0.3, 0.4]]]
                 data_1.shape = (1, 2, 2) # 1 is batch_size
-         
+
                 data_2 = [[[0.1, 0.2, 0.3]]]
                 data_2.shape = (1, 1, 3)
-         
+
                 out = fluid.layers.fc(input=[data_1, data_2], size=2)
-         
+
             Then:
                 out.data = [[0.18669507, 0.1893476]]
                 out.shape = (1, 2)
@@ -8597,7 +8597,7 @@ shape层。
 返回： (Tensor），输入变量的形状
 
 返回类型：    Variable
-        
+
 **代码示例：**
 
 .. code-block:: python
@@ -9012,7 +9012,7 @@ softmax操作符计算k维向量输入中所有其他维的指数和指数值的
     fc = fluid.layers.fc(input=x, size=10)
     # 在第二维执行softmax
     softmax = fluid.layers.softmax(input=fc, axis=1)
-    # 在最后一维执行softmax 
+    # 在最后一维执行softmax
     softmax = fluid.layers.softmax(input=fc, axis=-1)
 
 
@@ -9061,7 +9061,7 @@ softmax_with_cross_entropy
   - **logits** (Variable) - 未标准化(unscaled)的log概率,一个形为 N X K 的二维张量。 N是batch大小，K是类别总数。
   - **label** (Variable) - 2-D 张量，代表了正确标注（ground truth）, 如果 ``soft_label`` 为  False，则该参数是一个形为 N X 1 的Tensor<int64> 。如果 ``soft_label`` 为 True，它是 Tensor<float/double> ，形为 N X K 。
   - **soft_label** (bool) - 是否将输入标签当作软标签。默认为False。
-  - **ignore_index** (int) - 指明要无视的目标值，使之不对输入梯度有贡献。仅在 ``soft_label`` 为False时有效，默认为kIgnoreIndex。 
+  - **ignore_index** (int) - 指明要无视的目标值，使之不对输入梯度有贡献。仅在 ``soft_label`` 为False时有效，默认为kIgnoreIndex。
   - **numeric_stable_mode** (bool) – 标志位，指明是否使用一个具有更佳数学稳定性的算法。仅在 ``soft_label`` 为 False的GPU模式下生效. 若 ``soft_label`` 为 True 或者执行场所为CPU, 算法一直具有数学稳定性。 注意使用稳定算法时速度可能会变慢。默认为 True。
   - **return_softmax** (bool) – 标志位，指明是否额外返回一个softmax值， 同时返回交叉熵计算结果。默认为False。
 
@@ -9387,7 +9387,7 @@ stack
                       [5.0, 6.0] ] ]
         Out.dims = [1, 3, 2]
 
-参数:	
+参数:
 
   - **x** (Variable|list(Variable)|tuple(Variable)) – 输入变量
   - **axis** (int|None) – 对输入进行stack运算所在的轴
@@ -9909,9 +9909,9 @@ abs
 
 参数:
 
-    - **x** - abs算子的输入 
+    - **x** - abs算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
- 
+
 返回：        abs算子的输出。
 
 
@@ -9931,8 +9931,8 @@ arccosine激活函数。
     out = cos^{-1}(x)
 
 参数:
-    - **x** - acos算子的输入 
- 
+    - **x** - acos算子的输入
+
 返回：        acos算子的输出。
 
 
@@ -9950,8 +9950,8 @@ arcsine激活函数。
     out = sin^{-1}(x)
 
 参数:
-    - **x** - asin算子的输入 
- 
+    - **x** - asin算子的输入
+
 返回：        asin算子的输出。
 
 
@@ -9968,8 +9968,8 @@ arctanh激活函数。
     out = tanh^{-1}(x)
 
 参数:
-    - **x** - atan算子的输入 
- 
+    - **x** - atan算子的输入
+
 返回：       atan算子的输出。
 
 
@@ -9993,7 +9993,7 @@ ceil
 
 参数:
 
-    - **x** - Ceil算子的输入 
+    - **x** - Ceil算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：        Ceil算子的输出。
@@ -10024,7 +10024,7 @@ Cosine余弦激活函数。
 
 参数:
 
-    - **x** - cos算子的输入 
+    - **x** - cos算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 
@@ -10085,7 +10085,7 @@ Exp激活函数(Exp指以自然常数e为底的指数运算)。
 
 参数:
 
-    - **x** - Exp算子的输入 
+    - **x** - Exp算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 
@@ -10116,7 +10116,7 @@ floor
 
 参数:
 
-    - **x** - Floor算子的输入 
+    - **x** - Floor算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 
@@ -10188,8 +10188,8 @@ Logsigmoid激活函数。
 
 参数:
     - **x** - LogSigmoid算子的输入
-    
-    - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn 
+
+    - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：        LogSigmoid算子的输出
 
@@ -10217,8 +10217,8 @@ Reciprocal（取倒数）激活函数
 
 参数:
 
-    - **x** - reciprocal算子的输入 
-    - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn 
+    - **x** - reciprocal算子的输入
+    - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：        Reciprocal算子的输出。
 
@@ -10247,8 +10247,8 @@ Round取整激活函数。
 
 参数:
 
-    - **x** - round算子的输入 
-    - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn 
+    - **x** - round算子的输入
+    - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：        Round算子的输出。
 
@@ -10276,7 +10276,7 @@ sigmoid激活函数
 
 参数:
 
-    - **x** - Sigmoid算子的输入 
+    - **x** - Sigmoid算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：     Sigmoid运算输出.
@@ -10305,7 +10305,7 @@ sin
 
 参数:
 
-    - **x** - sin算子的输入 
+    - **x** - sin算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 
@@ -10423,7 +10423,7 @@ sqrt
 
 参数:
 
-    - **x** - Sqrt算子的输入 
+    - **x** - Sqrt算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：       Sqrt算子的输出。
@@ -10482,7 +10482,7 @@ tanh 激活函数。
 
 参数:
 
-    - **x** - Tanh算子的输入  
+    - **x** - Tanh算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：     Tanh算子的输出。
@@ -10511,7 +10511,7 @@ tanh_shrink激活函数。
 
 参数:
 
-    - **x** - TanhShrink算子的输入 
+    - **x** - TanhShrink算子的输入
     - **use_cudnn** (BOOLEAN) – （bool，默认为false）是否仅用于cudnn核，需要安装cudnn
 
 返回：     tanh_shrink算子的输出
@@ -11295,37 +11295,9 @@ zeros
 
 
 
-============
+==========================
  learning_rate_scheduler
-============
-
-
-.. _cn_api_fluid_layers_append_LARS:
-
-append_LARS
--------------------------------
-
-.. py:function:: paddle.fluid.layers.append_LARS(params_grads,learning_rate,weight_decay)
-
-对每一层的学习率运用LARS(LAYER-WISE ADAPTIVE RATE SCALING)
-
-
-
-参数：
-    - **learning_rate** -变量学习率。LARS的全局学习率。
-    - **weight_decay** -Python float类型数
-
-返回： 衰减的学习率
-
-**代码示例** :
-
-.. code-block:: python
-
-        learning_rate*=local_gw_ratio * sqrt(sumsq(param))
-            / (sqrt(sumsq(gradient))+ weight_decay * sqrt(sumsq(param)))
-
-
-
+==========================
 
 .. _cn_api_fluid_layers_cosine_decay:
 
@@ -11354,7 +11326,7 @@ cosine_decay
 
 .. code-block:: python
 
-    base_lr = 0.1 
+    base_lr = 0.1
     lr = fluid.layers.cosine_decay( learning_rate = base_lr, step_each_epoch=10000, epochs=120)
 
 
@@ -11922,7 +11894,7 @@ box decode过程得出decode_box，然后分配方案如下所述：
     scores = fluid.layers.data(
         name='scores', shape=[20, 81], dtype='float32')
     decoded_box, output_assign_box = fluid.layers.box_decoder_and_assign(
-        pb, pbv, loc, scores, 4.135)    
+        pb, pbv, loc, scores, 4.135)
 
 
 .. _cn_api_fluid_layers_density_prior_box:
@@ -12858,7 +12830,7 @@ yolo_box
 
 先前网络的输出形状为[N，C，H，W]，而H和W应相同，用来指定网格大小。对每个网格点预测给定的数目的框，这个数目记为S，由anchor的数量指定。 在第二维（通道维度）中，C应该等于S *（5 + class_num），class_num是源数据集中对象类别数目（例如coco数据集中的80），此外第二个（通道）维度中还有4个框位置坐标x，y，w，h，以及anchor box的one-hot key的置信度得分。
 
-假设4个位置坐标是 :math:`t_x` ，:math:`t_y` ，:math:`t_w` ， :math:`t_h` 
+假设4个位置坐标是 :math:`t_x` ，:math:`t_y` ，:math:`t_w` ， :math:`t_h`
 ，则框的预测算法为：
 
 .. math::