Updated some links of release/1.5 (#1093)

* fixed one error

* fixed op error

* fixed five errors of api_cn.

* fixed one error of api_cn

* fixed some errors of api_cn

* fixed two links.

* fixed one link.

* fixed one error.

* fixed some links.

* fixed some links of http://newicafe.baidu.com/issue/DLTP-1529/show?from=page.

* fixed the return of yolo_box,http://newicafe.baidu.com/issue/DLTP-1647/show?from=page

* fixed the return of yolo_box,http://newicafe.baidu.com/issue/DLTP-1647/show?from=page

* fixed one error,http://newicafe.baidu.com/issue/DLTP-1771/show?from=page

* fixed one error,http://newicafe.baidu.com/issue/DLTP-1907/show?from=page

* http://newicafe.baidu.com/issue/DLTP-1026/show?from=page

* fixed the link of lstmp

doc/fluid/advanced_usage/best_practice/dist_training_gpu.rst

@@ -162,7 +162,7 @@ PaddlePaddle Fluid使用“线程池” [#]_ 模型调度并执行Op，Op在启
 通过在一个GPU上串行计算多个小的batch并积累梯度，然后再执行多机多卡之间的通信，
 此模式同样也可以被称为“可变通信频率“。使用batch merge功能，在同样的模型，
 可以极大的增加batch size，提升多机训练的总吞吐。
-使用方法可以参考实例：https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleCV/image_classification/dist_train
+使用方法可以参考实例：https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/image_classification/dist_train
 
 
 优化reader性能

doc/fluid/advanced_usage/development/contribute_to_paddle/local_dev_guide.md

@@ -12,7 +12,7 @@
 以下教程将指导您提交代码。
 ## [Fork](https://help.github.com/articles/fork-a-repo/)
 
-跳转到[PaddlePaddle](https://github.com/PaddlePaddle/Paddle) GitHub首页，然后单击 `Fork` 按钮，生成自己目录下的仓库，比如 <https://github.com/USERNAME/Paddle>。
+跳转到[PaddlePaddle](https://github.com/PaddlePaddle/Paddle) GitHub首页，然后单击 `Fork` 按钮，生成自己目录下的仓库，比如 https://github.com/USERNAME/Paddle。
 
 ## 克隆（Clone）
 

doc/fluid/advanced_usage/development/new_op/op_notes.md

@@ -276,7 +276,7 @@ Enforce提示信息不能为空，并且需要写明，因为报错信息可以
 ### 2.Op的数学公式
 如果Op有数学公式，一定要在代码中将数学公式写明，并在Python API的Doc中显示，因为用户在对比不同框架的计算结果时可能需要了解Paddle对Op是怎么实现的。
 
-**注意：**在merge到develop分支之前一定进行公式预览。可参考[dynamic_lstmp](http://paddlepaddle.org/documentation/docs/zh/1.1/api/layers.html#dynamic-lstmp)。
+**注意：**在merge到develop分支之前一定进行公式预览。可参考[dynamic_lstmp](https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/api_cn/layers_cn/nn_cn.html#dynamic-lstmp)。
 
 ### 3.Op变量名的命名要规范
 在定义Op时，Op的输入输出以及属性的命名需要符合规范，具体命名规则请参考：[`name_convention`](https://github.com/PaddlePaddle/FluidDoc/blob/release/1.2/doc/fluid/dev/name_convention.md)。

doc/fluid/api_cn/data/data_reader_cn.rst

@@ -410,7 +410,7 @@ multiprocess.queue需要/dev/shm的rw访问权限，某些平台不支持。
 
 
 
-.. py:class::paddle.reader.Fake
+.. py:class:: paddle.reader.Fake
 
 Fakereader将缓存它读取的第一个数据，并将其输出data_num次。它用于缓存来自真实reader的数据，并将其用于速度测试。
 

doc/fluid/api_cn/data/dataset_cn.rst

@@ -10,7 +10,7 @@ mnist
 
 MNIST数据集。
 
-此模块将从 http://yann.lecun.com/exdb/mnist/ 下载数据集，并将训练集和测试集解析为paddle reader creator。
+此模块将从 http://ai.stanford.edu/%7Eamaas/data/sentiment/aclImdb_v1.tar.gz 下载数据集，并将训练集和测试集解析为paddle reader creator。
 
 
 

doc/fluid/api_cn/layers_cn/detection_cn.rst

@@ -1575,7 +1575,7 @@ yolo_box
     - **downsample_ratio** （int） - 从网络输入到YoloBox操作输入的下采样率，因此应依次为第一个，第二个和第三个YoloBox运算设置该值为32,16,8
     - **name** （string） -  yolo box层的名称。默认None。
 
-返回: 具有形状[N，M，4]的三维张量；框的坐标；以及具有形状[N，M，class_num]的三维张量；框的分类得分；
+返回: 具有形状[N，M，4]的三维张量，框的坐标；以及具有形状[N，M，class_num]的三维张量，框的分类得分；
 
 返回类型:   变量（Variable）
 
@@ -1592,7 +1592,7 @@ yolo_box
     import paddle.fluid as fluid
     x = fluid.layers.data(name='x', shape=[255, 13, 13], dtype='float32')
     anchors = [10, 13, 16, 30, 33, 23]
-    loss = fluid.layers.yolo_box(x=x, img_size=608, class_num=80, anchors=anchors,
+    boxes,scores = fluid.layers.yolo_box(x=x, img_size=608, class_num=80, anchors=anchors,
                                     conf_thresh=0.01, downsample_ratio=32)
 
 

doc/fluid/api_cn/layers_cn/learning_rate_scheduler_cn.rst

@@ -188,7 +188,7 @@ natural_exp_decay
     if not staircase:
         decayed_learning_rate = learning_rate * exp(- decay_rate * (global_step / decay_steps))
     else:
-        decayed_learning_rate = learning_rate * exp(- decay_rate * (global_step / decay_steps))
+        decayed_learning_rate = learning_rate * exp(- decay_rate * floor(global_step / decay_steps))
 
 参数：
     - **learning_rate** - 标量float32值或变量。是训练过程中的初始学习率。

doc/fluid/api_cn/layers_cn/nn_cn.rst

@@ -981,7 +981,7 @@ conv2d
 
 参数：
     - **input** (Variable) - 格式为[N,C,H,W]格式的输入图像
-    - **num_fliters** (int) - 滤波器数。和输出图像通道相同
+    - **num_filters** (int) - 滤波器数。和输出图像通道相同
     - **filter_size** (int|tuple|None) - 滤波器大小。如果filter_size是一个元组，则必须包含两个整型数，（filter_size，filter_size_W）。否则，滤波器为square
     - **stride** (int|tuple) - 步长(stride)大小。如果步长（stride）为元组，则必须包含两个整型数，（stride_H,stride_W）。否则，stride_H = stride_W = stride。默认：stride = 1
     - **padding** (int|tuple) - 填充（padding）大小。如果填充（padding）为元组，则必须包含两个整型数，（padding_H,padding_W)。否则，padding_H = padding_W = padding。默认：padding = 0
@@ -1029,7 +1029,8 @@ conv2d_transpose
 
 该层根据 输入（input）、滤波器（filter）和卷积核膨胀（dilations）、步长（stride）、填充（padding）来计算输出。输入(Input)和输出(Output)为NCHW格式，其中 ``N`` 为batch大小， ``C`` 为通道数（channel），``H`` 为特征高度， ``W`` 为特征宽度。参数(膨胀、步长、填充)分别都包含两个元素。这两个元素分别表示高度和宽度。欲了解卷积转置层细节，请参考下面的说明和 参考文献_ 。如果参数 ``bias_attr`` 和 ``act`` 不为 ``None``，则在卷积的输出中加入偏置，并对最终结果应用相应的激活函数。
 
-.. _参考文献: http://www.matthewzeiler.com/wp-content/uploads/2017/07/cvpr2010.pdf
+.. _参考文献: https://distill.pub/2016/deconv-checkerboard/
+
 
 输入 :math:`X` 和输出 :math:`Out` 函数关系如下：
 
@@ -9637,7 +9638,7 @@ uniform_random_batch_size_like算子。
         - **shape** （元组|列表）- 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。
-        - **min** （Float）- （默认 1.0）均匀随机的最小值。
+        - **min** （Float）- （默认 -1.0）均匀随机的最小值。
         - **max** （Float）- （默认 1.0）均匀随机的最大值。
         - **seed** （Int）- （int，default 0）用于生成样本的随机种子。0表示使用系统生成的种子。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。
         - **dtype** （np.dtype | core.VarDesc.VarType | str） - 数据类型：float32，float_16，int等。

doc/fluid/api_cn/metrics_cn.rst

@@ -269,7 +269,7 @@ DetectionMAP
     - **background_label** (int) – 背景标签的索引，背景标签将被忽略。如果设置为-1，则所有类别将被考虑，默认为0。
     - **overlap_threshold** (float) – 判断真假阳性的阈值，默认为0.5
     - **evaluate_difficult** (bool) – 是否考虑 difficult ground truth 进行评价，默认为 True。当 gt_difficult 为 None 时，这个参数不起作用。
-    - **ap_version** (string) – 平均精度的计算方法，必须是 "integral" 或 "11point"。详情请查看 https://sanchom.wordpress.com/tag/averageprecision/。 其中，11point为：11-point 插值平均精度。积分: precision-recall曲线的自然积分。
+    - **ap_version** (string) – 平均精度的计算方法，必须是 "integral" 或 "11point"。详情请查看 https://sanchom.wordpress.com/tag/average-precision/。 其中，11point为：11-point 插值平均精度。积分: precision-recall曲线的自然积分。
 
 **代码示例**
 

doc/fluid/api_cn/profiler_cn.rst

@@ -68,7 +68,7 @@ profiler
 profile interface 。与cuda_profiler不同，此profiler可用于分析CPU和GPU程序。默认情况下，它记录CPU和GPU kernel，如果想分析其他程序，可以参考教程来在c++代码中添加更多代码。
 
 
-如果 state== ' All '，在profile_path 中写入文件 profile proto 。该文件记录执行期间的时间顺序信息。然后用户可以看到这个文件的时间轴，请参考 `这里 <../advanced_usage/development/profiling/timeline_cn.html>`_
+如果 state== ' All '，在profile_path 中写入文件 profile proto 。该文件记录执行期间的时间顺序信息。然后用户可以看到这个文件的时间轴，请参考 `这里 <https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/advanced_usage/development/profiling/timeline_cn.html>`_
 
 参数:
   - **state** (string) –  profiling state, 取值为 'CPU' 或 'GPU',  profiler 使用 CPU timer 或GPU timer 进行 profiling. 虽然用户可能在开始时指定了执行位置(CPUPlace/CUDAPlace)，但是为了灵活性，profiler不会使用这个位置。
@@ -145,7 +145,7 @@ start_profiler
 不能使用 ``fluid.profiler.profiler``
 
 
-如果 state== ' All '，在profile_path 中写入文件 profile proto 。该文件记录执行期间的时间顺序信息。然后用户可以看到这个文件的时间轴，请参考 `这里 <../advanced_usage/development/profiling/timeline_cn.html>`_
+如果 state== ' All '，在profile_path 中写入文件 profile proto 。该文件记录执行期间的时间顺序信息。然后用户可以看到这个文件的时间轴，请参考 `这里 <https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/advanced_usage/development/profiling/timeline_cn.html>`_
 
 参数:
   - **state** (string) – profiling state, 取值为 'CPU' 或 'GPU' 或 'All', 'CPU' 代表只分析 cpu. 'GPU' 代表只分析 GPU . 'All' 会产生 timeline.

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

@@ -37,7 +37,7 @@ API详细使用方法参考 :ref:`cn_api_fluid_layers_embedding` ，以下是一
 
 以上参数中：
 
-- :code:`is_sparse` ： 反向计算的时候梯度是否为sparse tensor。如果不设置，梯度是一个 `LodTensor <https://github.com/PaddlePaddle/FluidDoc/blob/develop/doc/fluid/user_guides/howto/basic_concept/lod_tensor.html>`_  。默认为False。
+- :code:`is_sparse` ： 反向计算的时候梯度是否为sparse tensor。如果不设置，梯度是一个 :ref:`LodTensor  <cn_user_guide_lod_tensor>`_  。默认为False。
 
 - :code:`is_distributed` ： 标志是否是用在分布式的场景下。一般大规模稀疏更新（embedding的第0维维度很大，比如几百万以上）才需要设置。具体可以参考大规模稀疏的API guide  :ref:`cn_api_guide_async_training`  。默认为False。
 

doc/fluid/api_guides/low_level/nets.rst

@@ -33,7 +33,7 @@ API Reference 请参考 :ref:`cn_api_fluid_nets_img_conv_group`
 
 :code:`sequence_conv_pool` 是由 :ref:`cn_api_fluid_layers_sequence_conv` 与 :ref:`cn_api_fluid_layers_sequence_pool` 串联而成。
 该模块在 `自然语言处理 <https://zh.wikipedia.org/wiki/自然语言处理>`_ 以及 `语音识别 <https://zh.wikipedia.org/wiki/语音识别>`_ 等领域均有广泛应用，
-比如 `文本分类模型 <https://github.com/PaddlePaddle/models/blob/develop/PaddleNLP/text_classification/nets.py>`_ ,
+比如 `文本分类模型 <https://github.com/PaddlePaddle/models/blob/develop/PaddleNLP/models/classification/nets.py>`_ ,
 `TagSpace <https://github.com/PaddlePaddle/models/blob/develop/PaddleRec/tagspace/train.py>`_  以及
 `Multi-view Simnet <https://github.com/PaddlePaddle/models/blob/develop/PaddleRec/multiview_simnet/nets.py>`_ 等模型。
 

doc/fluid/api_guides/low_level/optimizer.rst

@@ -76,7 +76,7 @@ API Reference 请参考 :ref:`cn_api_fluid_optimizer_DecayedAdagrad`
 ----------------------
 
 `FtrlOptimizer <https://www.eecs.tufts.edu/~dsculley/papers/ad-click-prediction.pdf>`_ 优化器结合了 `FOBOS算法 <https://stanford.edu/~jduchi/projects/DuchiSi09b.pdf>`_ 的高精度与 `RDA算法
-<http://www1.se.cuhk.edu.hk/~sqma/SEEM5121_Spring2015/dual-averaging.pdf>`_ 的稀疏性，是目前效果非常好的一种 `Online Learning <https://en.wikipedia.org/wiki/Online_machine_learning>`_ 算法。
+<http://xueshu.baidu.com/usercenter/paper/show?paperid=101df241a792fe23d79f4ed84a820495>`_ 的稀疏性，是目前效果非常好的一种 `Online Learning <https://en.wikipedia.org/wiki/Online_machine_learning>`_ 算法。
 
 API Reference 请参考 :ref:`cn_api_fluid_optimizer_FtrlOptimizer`
 

doc/fluid/beginners_guide/programming_guide/programming_guide.md

@@ -165,7 +165,7 @@ b=3
 #执行计算
 outs = exe.run(
     feed={'a':x,'b':y},
-    fetch_list=[a,b,result.name]
+    fetch_list=[a,b,result.name])
 #查看输出结果
 print outs
 ```

doc/fluid/user_guides/index_cn.rst

@@ -16,7 +16,7 @@
 
     - `DyGraph模式 <../user_guides/howto/dygraph/DyGraph.html>`_：介绍在 Fluid 下使用DyGraph
 
-    - `模型评估与调试 <../user_guides/howto/evaluation_and_debugging/index_cn.html>`_：介绍在 Fluid 下进行模型评估和调试的方法，包括：
+    - `模型评估与调试 <../user_guides/howto/evaluation_and_debugging/index_cn.html>`_：介绍在 Fluid 下进行模型评估和调试的方法。
 
 基于 Fluid 复现的多领域经典模型：