update layers_nn

doc/fluid/api_cn/layers_cn.rst

@@ -1714,7 +1714,12 @@ BRelu 激活函数
     - **name** (str|None) - 该层的名称(可选)。如果设置为None，该层将被自动命名
 
 
+**代码示例：**
+
+.. code-block:: python
 
+    x = fluid.layers.data(name=”x”, shape=[2,3,16,16], dtype=”float32”)
+    y = fluid.layers.brelu(x, t_min=1.0, t_max=20.0)
 
 
 
@@ -1826,7 +1831,7 @@ clip
         
 clip算子
 
-clip运算符限制给定输入的值在一个区间内。间隔使用参数“min”和“max”来指定：公式为
+clip运算符限制给定输入的值在一个区间内。间隔使用参数"min"和"max"来指定：公式为
 
 .. math:: 
         Out=min(max(X,min),max)
@@ -1841,9 +1846,13 @@ clip运算符限制给定输入的值在一个区间内。间隔使用参数“m
 
 返回类型：        输出（Variable）。        
 
+**代码示例：**
 
+.. code-block:: python
 
-
+    input = fluid.layers.data(
+        name='data', shape=[1], dtype='float32')
+    reward = fluid.layers.clip(x=input, min=-1.0, max=1.0)
 
 
 
@@ -1868,11 +1877,6 @@ ClipByNorm算子
 
 例如,
 
-..  code-block:: python
-
-  data = fluid.layer.data( name=’data’, shape=[2, 4, 6], dtype=’float32’)
-  reshaped = fluid.layers.clip_by_norm( x=data, max_norm=0.5)
-
 
 参数：
         - **x** (Variable)- (Tensor) clip_by_norm运算的输入，维数必须在[1,9]之间。
@@ -1883,7 +1887,13 @@ ClipByNorm算子
 
 返回类型：       Variable        
 
+**代码示例：**
+
+.. code-block:: python
 
+    input = fluid.layers.data(
+        name='data', shape=[1], dtype='float32')
+    reward = fluid.layers.clip_by_norm(x=input, max_norm=1.0)
 
 
 
@@ -3387,7 +3397,12 @@ ELU激活层（ELU Activation Operator）
 
 返回类型: 输出(Variable)
 
+**代码示例：**
+
+.. code-block:: python
 
+    x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32")
+    y = fluid.layers.elu(x, alpha=0.2)
 
 
 
@@ -3953,7 +3968,12 @@ sigmoid的分段线性逼近(https://arxiv.org/abs/1603.00391)，比sigmoid快
     - **name** (str|None) - 这个层的名称(可选)。如果设置为None，该层将被自动命名。
 
 
+**代码示例：**
 
+.. code-block:: python
+
+    x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32")
+    y = fluid.layers.hard_sigmoid(x, slope=0.3, offset=0.8)
 
 
 
@@ -4173,25 +4193,36 @@ image_resize
     
 输入张量的shape为(num_batch, channels, in_h, in_w)，并且调整大小只适用于最后两个维度(高度和宽度)。
     
-支持重新取样方法: 双线性插值
-    
+支持重新取样方法: 
+	
+	BILINEAR：双线性插值
+    NEAREST：最近邻插值
+
 参数:
     - **input** (Variable) - 图片调整层的输入张量，这是一个shape=4的张量(num_batch, channels, in_h, in_w)
     - **out_shape** (list|tuple|Variable|None) - 图片调整层的输出，shape为(out_h, out_w)。默认值:None
     - **scale** (float|None)-输入的高度或宽度的乘数因子 。 out_shape和scale至少要设置一个。out_shape的优先级高于scale。默认值:None
     - **name** (str|None) - 该层的名称(可选)。如果设置为None，该层将被自动命名
     - **resample** (str) - 重采样方法。目前只支持“双线性”。默认值:双线性插值
+    - **actual_shape** (Variable) - 可选输入，用于动态指定输出形状。如果指定actual_shape，图像将根据给定的形状调整大小，而不是根据指定形状的 :code:`out_shape` 和 :code:`scale` 进行调整。也就是说， :code:`actual_shape` 具有最高的优先级。如果希望动态指定输出形状，建议使用 :code:`actual_shape` 而不是 :code:`out_shape` 。在使用actual_shape指定输出形状时，还需要设置out_shape和scale之一，否则在图形构建阶段会出现错误。默认值:None
+
 
 返回： 4维tensor，shape为 (num_batches, channls, out_h, out_w).
 
 返回类型:	变量（variable）
 
+抛出异常：
+	- :code:`TypeError` - out_shape应该是一个列表、元组或变量。
+	- :code:`TypeError` - actual_shape应该是变量或None
+	- :code:`ValueError` - image_resize的"resample"只能是"BILINEAR"或"NEAREST"。
+	- :code:`ValueError` - out_shape 和 scale 不能为 None
+	- :code:`ValueError` - out_shape 的长度必须为 2
 
 **代码示例**
 
 ..  code-block:: python
         
-	out = fluid.layers.image_resize(input, out_shape=[12, 12]) 
+	out = fluid.layers.image_resize(input, out_shape=[12, 12], resample="NEAREST") 
   
 
 
@@ -4396,7 +4427,12 @@ LeakyRelu 激活函数
     - **alpha** (FLOAT|0.02) - 负斜率，值很小。
     - **name** (str|None) - 此层的名称(可选)。如果设置为None，该层将被自动命名。
 
+**代码示例：**
 
+.. code-block:: python
+
+    x = fluid.layers.data(name="x", shape=[2,3,16,16], dtype="float32")
+    y = fluid.layers.leaky_relu(x, alpha=0.01)
 
 
 
@@ -4670,6 +4706,16 @@ logical_and算子
 返回类型：        输出（Variable）。        
         
         
+**代码示例：**
+
+.. code-block:: python
+
+    left = fluid.layers.data(
+        name='left', shape=[1], dtype='int32')
+    right = fluid.layers.data(
+        name='right', shape=[1], dtype='int32')
+    result = fluid.layers.logical_and(x=left, y=right)
+
 
 
 
@@ -4702,7 +4748,13 @@ logical_not算子
 返回类型：        输出（Variable）。        
 
 
+**代码示例：**
 
+.. code-block:: python
+    
+    left = fluid.layers.data(
+        name='left', shape=[1], dtype='int32')
+    result = fluid.layers.logical_not(x=left)
 
 
 
@@ -4736,7 +4788,15 @@ logical_or算子
 
 
 
+**代码示例：**
+
+.. code-block:: python
 
+    left = fluid.layers.data(
+        name='left', shape=[1], dtype='int32')
+    right = fluid.layers.data(
+        name='right', shape=[1], dtype='int32')
+    result = fluid.layers.logical_or(x=left, y=right)
 
 
 
@@ -4769,7 +4829,15 @@ logical_xor算子
 
 
 
+**代码示例：**
+
+.. code-block:: python
 
+    left = fluid.layers.data(
+        name='left', shape=[1], dtype='int32')
+    right = fluid.layers.data(
+        name='right', shape=[1], dtype='int32')
+    result = fluid.layers.logical_xor(x=left, y=right)
 
 
 
@@ -5772,7 +5840,12 @@ pow
 返回类型: 输出(Variable)
 
 
+**代码示例：**
+
+.. code-block:: python
 
+    x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32")
+    y = fluid.layers.pow(x, factor=2.0)
 
 
 
@@ -6199,7 +6272,12 @@ relu6激活算子（Relu6 Activation Operator）
 返回类型: 输出(Variable)
 
 
+**代码示例：**
+
+.. code-block:: python
 
+    x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32")
+    y = fluid.layers.relu6(x, threshold=6.0)
 
 
 
@@ -6212,10 +6290,12 @@ relu6激活算子（Relu6 Activation Operator）
 reshape
 -------------------------------
 
+.. py:function::  paddle.fluid.layers.reshape(x, shape, actual_shape=None, act=None, inplace=False, name=None)
+
 保持输入张量数据不变的情况下，改变张量的形状。
 
-目标形状可由 ``shape`` 或 ``actual_shape`` 给出。``shape``是一个整数列表，而 ``actual_shape``是一个张量变量。
-当两个属性同时被指定时，``actual_shape``的优先级高于 ``shape``，但在编译时仍然应该正确地设置shape以保证形状推断。
+目标形状可由 ``shape`` 或 ``actual_shape`` 给出。``shape`` 是一个整数列表，而 ``actual_shape`` 是一个张量变量。
+当两个属性同时被指定时，``actual_shape`` 的优先级高于 ``shape`` ，但在编译时仍然应该正确地设置 ``shape`` 以保证形状推断。
 
 在指定目标shape时存在一些技巧：
 
@@ -6238,10 +6318,10 @@ reshape
 	- **shape** (list) - 新的形状。新形状最多只能有一个维度为-1。
 	- **actual_shape** (variable) - 一个可选的输入。如果提供，则根据 ``actual_shape`` 进行 reshape，而不是指定 ``shape`` 。也就是说，actual_shape具有比shape更高的优先级。
 	- **act** (str) - 对reshpe后的tensor变量执行非线性激活
-	- **inplace** (bool) - 如果在多个操作符中使用x，则 ``inplace``必须设置为False。如果该标志设置为True，则重用输入x进行reshape，这将改变张量变量x的形状，并可能在多个操作符中使用x时造成错误。如果为False，则保留形状x，并创建一个新的输出张量变量，该张量变量的数据是从输入x复制的，但经过了重构。
+	- **inplace** (bool) - 如果在多个操作符中使用x，则 ``inplace`` 必须设置为False。如果该标志设置为True，则重用输入x进行reshape，这将改变张量变量x的形状，并可能在多个操作符中使用x时造成错误。如果为False，则保留形状x，并创建一个新的输出张量变量，该张量变量的数据是从输入x复制的，但经过了重构。
 	- **name** (str) -  可选变量，此层的名称
 
-返回：如果 ``act`` 为 ``None``,返回reshape后的tensor变量。如果 ``inplace``为 ``False``,将返回一个新的Tensor变量，否则，将改变x自身。如果 ``act``不是 ``None``，则返回激活的张量变量。
+返回：如果 ``act`` 为 ``None``,返回reshape后的tensor变量。如果 ``inplace`` 为 ``False`` ,将返回一个新的Tensor变量，否则，将改变x自身。如果 ``act`` 不是 ``None`` ，则返回激活的张量变量。
 
 抛出异常：``TypeError`` - 如果 actual_shape 既不是变量也不是None
 
@@ -6270,6 +6350,8 @@ resize_bilinear
 
 .. py:function:: paddle.fluid.layers.resize_bilinear(input, out_shape=None, scale=None, name=None)
 
+根据指定的out_shape执行双线性插值调整输入大小，输出形状按优先级由actual_shape、out_shape和scale指定。
+
 双线性插值是对线性插值的扩展,即二维变量方向上(如h方向和w方向)插值。关键思想是先在一个方向上执行线性插值，然后再在另一个方向上执行线性插值。
 
  `详情请参阅维基百科 https://en.wikipedia.org/wiki/Bilinear_interpolation <https://en.wikipedia.org/wiki/Bilinear_interpolation>`_ 
@@ -6279,11 +6361,16 @@ resize_bilinear
         - **out_shape** (Variable) - 一维张量，包含两个数。第一个数是高度，第二个数是宽度。
         - **scale** (float|None) - 用于输入高度或宽度的乘数因子。out_shape和scale至少要设置一个。out_shape的优先级高于scale。默认值:None。
         - **name** (str|None) - 输出变量名。
-    
+        - **actual_shape** (Variable) - 可选输入，用于动态指定输出形状。如果指定actual_shape，图像将根据给定的形状调整大小，而不是根据指定形状的 :code:`out_shape` 和 :code:`scale` 进行调整。也就是说， :code:`actual_shape` 具有最高的优先级。如果希望动态指定输出形状，建议使用 :code:`actual_shape` 而不是 :code:`out_shape` 。在使用actual_shape指定输出形状时，还需要设置out_shape和scale之一，否则在图形构建阶段会出现错误。默认值:None
+
 返回：	输出的维度是(N x C x out_h x out_w)
 
 
+**代码示例：**
+
+.. code-block:: python
 
+  out = fluid.layers.resize_bilinear(input, out_shape=[12, 12])
 
 
 
@@ -7757,7 +7844,12 @@ SoftRelu 激活函数
     - **threshold** (FLOAT|40.0) - SoftRelu的阈值
     - **name** (str|None) - 该层的名称(可选)。如果设置为None，该层将被自动命名
 
+**代码示例：**
 
+.. code-block:: python
+
+    x = fluid.layers.data(name=”x”, shape=[2,3,16,16], dtype=”float32”) 
+    y = fluid.layers.soft_relu(x, threshold=20.0)
 
 
 
@@ -8111,7 +8203,12 @@ STanh 激活算子（STanh Activation Operator.）
 
 返回类型: 输出(Variable)
 
+**代码示例：**
+
+.. code-block:: python
 
+    x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32")
+    y = fluid.layers.stanh(x, scale_a=0.67, scale_b=1.72)
 
 
 
@@ -8168,7 +8265,12 @@ Swish 激活函数
 返回类型: output(Variable)
 
 
+**代码示例：**
+
+.. code-block:: python
 
+  x = fluid.layers.data(name="x", shape=[3,10,32,32], dtype="float32")
+  y = fluid.layers.swish(x, beta=2.0)