update cn doc for create_py_reader_by_data (#1422)

* update cn doc for create_py_reader_by_data

* refine decription and sample code for create_py_reader_by_data

* replace fluid.layers.data with fluid.data in the sample code of cn doc of create_py_reader_by_data op

* refine the description of capacity of create_py_reader_by_data

doc/fluid/api_cn/layers_cn/create_py_reader_by_data_cn.rst

@@ -5,45 +5,43 @@ create_py_reader_by_data
 
 .. py:function:: paddle.fluid.layers.create_py_reader_by_data(capacity,feed_list,name=None,use_double_buffer=True)
 
-创建一个 Python reader用于在python中提供数据,该函数将返回一个 ``reader`` 变量。
-
-它的工作方式与 ``py_reader`` 非常相似，除了它的输入是一个 feed_list 而不是 ``shapes``、 ``dtypes`` 和 ``lod_level``
+创建一个Python端提供数据的reader。该OP与 :ref:`cn_api_fluid_layers_py_reader` 类似，不同点在于它能够从feed变量列表读取数据。
 
 参数：
-  - **capacity** (int) - 缓冲区容量由 :code:`py_reader` 维护
-  - **feed_list** (list(Variable)) - 传输数据列表
-  - **name** (basestring) - 前缀Python队列名称和 reader 名称。不定义时将自动生成名称。
-  - **use_double_buffer** (bool) - 是否使用 double buffer
+  - **capacity** (int) - ``py_reader`` 维护的队列缓冲区的容量大小。单位是batch数量。若reader读取速度较快，建议设置较大的 ``capacity`` 值。
+  - **feed_list** (list(Variable)) - feed变量列表，这些变量一般由 :code:`fluid.data()` 创建。
+  - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
+  - **use_double_buffer** (bool，可选) - 是否使用双缓冲区，双缓冲区是为了预读下一个batch的数据、异步CPU -> GPU拷贝。默认值为True。
 
-返回： Variable: 一种reader，我们可以从中获得输入数据。
+返回：能够从feed变量列表读取数据的reader，数据类型和feed变量列表中变量的数据类型相同。
 
-**代码示例：**
+返回类型：reader
 
- :code:`py_reader` 的基本用法如下所示：
+**代码示例：**
 
 .. code-block:: python
-    
+
     import paddle
     import paddle.fluid as fluid
     import paddle.dataset.mnist as mnist
 
     def network(img, label):
-        # 用户自定义网络。此处以一个简单的线性回归作为示例。
+        # 用户构建自定义网络，此处以一个简单的线性回归为例。
         predict = fluid.layers.fc(input=img, size=10, act='softmax')
         loss = fluid.layers.cross_entropy(input=predict, label=label)
         return fluid.layers.mean(loss)
 
     MEMORY_OPT = False
     USE_CUDA = False
-    
-    image = fluid.layers.data(name='image', shape=[1, 28, 28], dtype='float32')
-    label = fluid.layers.data(name='label', shape=[1], dtype='int64')
+
+    image = fluid.data(name='image', shape=[None, 1, 28, 28], dtype='float32')
+    label = fluid.data(name='label', shape=[None, 1], dtype='int64')
     reader = fluid.layers.create_py_reader_by_data(capacity=64,
                                                    feed_list=[image, label])
     reader.decorate_paddle_reader(
         paddle.reader.shuffle(paddle.batch(mnist.train(), batch_size=5), buf_size=500))
     img, label = fluid.layers.read_file(reader)
-    loss = network(img, label) # 一些网络定义
+    loss = network(img, label) # 用户构建自定义网络并返回损失函数
 
     place = fluid.CUDAPlace(0) if USE_CUDA else fluid.CPUPlace()
     exe = fluid.Executor(place)
@@ -51,7 +49,8 @@ create_py_reader_by_data
 
     build_strategy = fluid.BuildStrategy()
     build_strategy.memory_optimize = True if MEMORY_OPT else False
-    compiled_prog = compiler.CompiledProgram(
+    exec_strategy = fluid.ExecutionStrategy()
+    compiled_prog = fluid.compiler.CompiledProgram(
         fluid.default_main_program()).with_data_parallel(
             loss_name=loss.name,
             build_strategy=build_strategy,
@@ -64,14 +63,3 @@ create_py_reader_by_data
                 exe.run(compiled_prog, fetch_list=[loss.name])
         except fluid.core.EOFException:
             reader.reset()
-
-
-
-
-
-
-
-
-
-
-