API Translation & Update 1.3 => develop (4.16) (#776)

* 1.3 => develop (4.12)

* Delete InMemoryDataSet and QueueDataSet 

refer to #784

* add pixel shuffle and in_dygraph_mode

doc/fluid/api_cn/dataset_cn.rst

+#################
+ fluid.dataset
+#################
+
+
+
+
+
+
+.. _cn_api_fluid_dataset_DatasetFactory:
+
+DatasetFactory
+-------------------------------
+
+.. py:class:: paddle.fluid.dataset.DatasetFactory
+
+DatasetFactory是一个按数据集名称创建数据集的 "工厂" ，可以创建“QueueDataset”或“InMemoryDataset”，默认为“QueueDataset”。
+
+**代码示例**
+
+.. code-block:: python
+
+    dataset = paddle.fluid.DatasetFactory.create_dataset(“InMemoryDataset”)
+
+.. py:method:: create_dataset(datafeed_class='QueueDataset')
+
+创建“QueueDataset”或“InMemoryDataset”，默认为“QueueDataset”。
+
+
+
+
+
+
+
+
+
+
+
+
+
+

doc/fluid/api_cn/fluid_cn.rst

@@ -1116,6 +1116,18 @@ global_scope
 
 
 
+.. _cn_api_fluid_in_dygraph_mode:
+
+in_dygraph_mode
+-------------------------------
+
+.. py:function:: paddle.fluid.in_dygraph_mode()
+
+返回：bool，如果Program是在动态图模式下运行的则为True。
+
+
+
+
 
 
 .. _cn_api_fluid_LoDTensor:

doc/fluid/api_cn/index_cn.rst

@@ -21,5 +21,6 @@ API
     profiler_cn.rst
     regularizer_cn.rst
     transpiler_cn.rst
+    dataset_cn.rst
     data/dataset_cn.rst
     data/data_reader_cn.rst

doc/fluid/api_cn/optimizer_cn.rst

@@ -33,7 +33,7 @@ Adagrad
 AdagradOptimizer
 -------------------------------
 
-.. py:class:: paddle.fluid.optimizer.AdagradOptimizer(learning_rate, epsilon=1e-06, regularization=None, name=None)
+.. py:class:: paddle.fluid.optimizer.AdagradOptimizer(learning_rate, epsilon=1e-06, regularization=None, name=None, initial_accumulator_value=0.0)
 
 **Adaptive Gradient Algorithm(Adagrad)**
 
@@ -52,6 +52,7 @@ http://cs231n.github.io/neural-networks-3/#ada 用于维持数值稳定性，避
     - **epsilon** (float) - 维持数值稳定性的短浮点型值
     - **regularization** - 规则化函数，例如fluid.regularizer.L2DecayRegularizer
     - **name** - 名称前缀（可选）
+    - **initial_accumulator_value** (float) - moment累加器的初始值。
 
 **代码示例**：
 
@@ -238,6 +239,59 @@ Decayed Adagrad Optimizer
 
 
 
+.. _cn_api_fluid_optimizer_DGCMomentumOptimizer:
+
+DGCMomentumOptimizer
+-------------------------------
+
+.. py:class:: paddle.fluid.optimizer.DGCMomentumOptimizer(learning_rate, momentum, rampup_begin_step, rampup_step=1, sparsity=[0.999], use_nesterov=False, local_grad_clip_norm=None, num_trainers=None, regularization=None, name=None)
+
+原始论文: https://arxiv.org/abs/1712.01887
+
+DGC通过仅发送重要梯度（稀疏更新）来减少通信带宽：仅发送大于给定阈值的梯度。
+
+为避免丢失信息，DGC在本地累积其余梯度。最终，这些梯度会积累到足够大，从而可以传输。
+
+因此，DGC即时发送相对较大的梯度，但最终随时间积累而发送所有梯度。
+
+此外，为了确保不损失精度，DGC在梯度稀疏化之上采用动量修正和局部梯度修剪(clip)来维持模型性能。
+
+DGC还使用动量因子掩藏(momentum factor masking)和预训练(warm-up)来克服由于reduced通讯而导致的数据陈旧性(staleness)问题。
+
+这个优化器会执行如下操作：
+
+1. 通过从张量获取前TopK个导入值来压缩梯度，并将其用于allreduce以减少网络带宽。
+2. 调用momentum来降低cost。
+
+参数: 
+    - **learning_rate** （float | Variable） - 用于更新参数的学习率。可以是浮点值或由一个浮点型数据组成的Variable。
+    - **momentum** （float） - 动量因子。
+    - **rampup_begin_step** （int） - 进行梯度压缩的起步点。
+    - **rampup_step** （int） - 使用稀疏期的时间。默认值为1.例如：如果稀疏度为[0.75,0.9375,0.984375,0.996,0.999]，并且rampup_step为5，则在0步时使用0.75，在1步时使用0.9375，依此类推。当达到sparsity数组末尾时，它此后延续使用0.999。
+    - **sparsity** （list [float]） - 从梯度张量中获取较为重要的元素，比率为（1-当前稀疏度）。
+    - **use_nesterov** （bool） - 启用Nesterov momentum。 True意味着使用nesterov。
+    - **local_grad_clip_norm** （float） - 如果需要，clip norm值。
+    - **num_trainers**   - 训练节点的数量。
+    - **regularization**  - 正则器，如fluid.regularizer.L2DecayRegularizer。
+    - **name**   - 可选的名称前缀。
+
+**代码示例**
+
+.. code-block:: python
+
+    optimizer = fluid.optimizer.DGCMomentumOptimizer(
+        learning_rate=fluid.layers.piecewise_decay(
+            boundaries=bd, values=lr),
+        momentum=0.9,
+        rampup_begin_step=1252,
+        regularization=fluid.regularizer.L2Decay(1e-4))
+    optimizer.minimize(cost)
+
+
+
+
+
+