update_reading_data (#699)

doc/fluid/user_guides/howto/prepare_data/feeding_data.rst

 .. _user_guide_use_numpy_array_as_train_data:
 
-############################
-使用同步Feed方式读取训练和测试数据
-############################
+##############
+同步数据读取
+##############
 
 PaddlePaddle Fluid支持使用 :code:`fluid.layers.data()` 配置数据层；
 再使用 Numpy Array 或者直接使用Python创建C++的
@@ -166,4 +166,4 @@ PaddlePaddle Fluid目前支持的数据类型包括:
    * uint64: 次要标签类型
    * bool: 控制流数据类型
    * int16: 次要标签类型
-   * uint8: 输入数据类型，可用于图像像素
+   * uint8: 输入数据类型，可用于图像像素
\ No newline at end of file

doc/fluid/user_guides/howto/prepare_data/index.rst

@@ -6,21 +6,31 @@
 
 使用PaddlePaddle Fluid准备数据分为两个步骤：
 
-- 自定义Reader生成训练/预测数据，生成的数据类型可以为Numpy Array或LoDTensor。根据Reader返回的数据形式的不同，可分为Batch级的Reader（每次返回一个batch的数据）和样本级的Reader（每次返回单个样本的数据）。
+Step1: 自定义Reader生成训练/预测数据
+###################################
 
-- 使用同步Feed方式或异步py_reader接口方式将数据送入网络进行训练/预测。
+生成的数据类型可以为Numpy Array或LoDTensor。根据Reader返回的数据形式的不同，可分为Batch级的Reader和Sample（样本）级的Reader。
 
-同步Feed方式和异步py_reader接口方式的比较
-######################################
+Batch级的Reader每次返回一个Batch的数据，Sample级的Reader每次返回单个样本的数据
 
-同步Feed方式和异步py_reader接口方式的不同体现于：
+如果您的数据是Sample级的数据，我们提供了一个可以组建batch及数据预处理的工具：:code:`Python Reader` 。
 
-1. 同步Feed方式：用户需使用 :code:`fluid.layers.data`
+
+Step2: 将数据送入网络进行训练/预测
+###################################
+
+Fluid提供两种方式，分别是同步Feed方式或异步py_reader接口方式，具体介绍如下：
+
+- 同步Feed方式
+
+用户需使用 :code:`fluid.layers.data`
 配置数据输入层，并在 :code:`fluid.Executor` 或 :code:`fluid.ParallelExecutor`
 中使用 :code:`executor.run(feed=...)` 传入训练数据。数据准备和模型训练/预测的过程是同步进行的，
 效率较低。
 
-2. 异步py_reader接口方式：用户需要先使用 :code:`fluid.layers.py_reader` 配置数据输入层，然后使用
+- 异步py_reader接口方式
+
+用户需要先使用 :code:`fluid.layers.py_reader` 配置数据输入层，然后使用
 :code:`py_reader` 的 :code:`decorate_paddle_reader` 或 :code:`decorate_tensor_provider`
 方法配置数据源，再通过 :code:`fluid.layers.read_file` 读取数据。数据传入与模型训练/预测过程是异步进行的，
 效率较高。
@@ -38,8 +48,45 @@ API接口     :code:`executor.run(feed=...)`       :code:`fluid.layers.py_reader
 推荐用途                调试模型                              工业训练
 ========  =================================   =====================================
 
+Reader数据类型对使用方式的影响
+###############################
+
+根据Reader数据类型的不同，上述Step1和Step2的具体操作将有所不同，具体介绍如下:
+
+读取Sample级Reader数据
++++++++++++++++++++++
+
+若自定义的Reader每次返回单个样本的数据，用户需通过以下步骤完成数据送入：
+
+Step1. 组建数据
+=============================
+
+调用Fluid提供的Reader相关接口完成组batch和部分的数据预处理功能，具体请参见：
+
+.. toctree::
+   :maxdepth: 1
+
+   reader_cn.md
+
+Step2. 送入数据
+=================================
+
+若使用同步Feed方式送入数据，请使用DataFeeder接口将Reader数据转换为LoDTensor格式后送入网络，具体请参见 :ref:`cn_api_fluid_DataFeeder`
+
+若使用异步py_reader接口方式送入数据，请调用 :code:`decorate_paddle_reader` 接口完成，具体请参见：
+
+- :ref:`user_guides_use_py_reader`
+
 读取Batch级Reader数据
-#######################
++++++++++++++++++++++++
+
+Step1. 组建数据
+=================
+
+由于Batch已经组好，已经满足了Step1的条件，可以直接进行Step2
+
+Step2. 送入数据
+=================================
 
 若使用同步Feed方式送入数据，具体请参见:
 
@@ -55,18 +102,6 @@ API接口     :code:`executor.run(feed=...)`       :code:`fluid.layers.py_reader
 
    use_py_reader.rst
 
-读取样本级Reader数据
-#####################
 
-若自定义的Reader每次返回单个样本的数据，用户需通过以下步骤完成数据送入：
-
-1.调用Fluid提供的Reader相关接口完成组batch和部分的数据预处理功能，具体请参见：
-
-.. toctree::
-   :maxdepth: 1
-
-   reader_cn.md
 
-2.若使用同步Feed方式送入数据，请使用DataFeeder接口将Reader数据转换为LoDTensor格式后送入网络，具体请参见 :ref:`cn_api_fluid_DataFeeder` 。若使用异步py_reader接口方式送入数据，请调用 :code:`decorate_paddle_reader` 接口完成，具体请参见：
 
-- :ref:`user_guides_use_py_reader`

doc/fluid/user_guides/howto/prepare_data/reader_cn.md

-# Python Reader
-在模型训练和预测阶段，PaddlePaddle程序需要读取训练或预测数据。为了帮助用户编写数据读取的代码，我们提供了如下接口：
+# 数据预处理工具
+
+在模型训练和预测阶段，PaddlePaddle程序需要读取训练或预测数据。为了帮助您编写数据读取的代码，我们提供了如下接口：
 
 - *reader*: 样本级的reader，用于读取数据的函数，数据可来自于文件、网络、随机数生成器等，函数每次返回一个样本数据项。
 - *reader creator*: 接受一个或多个reader作为参数、返回一个新reader的函数。

doc/fluid/user_guides/howto/prepare_data/use_py_reader.rst

 ..  _user_guides_use_py_reader:
 
-############################
-使用PyReader读取训练和测试数据
-############################
+#############
+异步数据读取
+#############
 
 除同步Feed方式外，我们提供了PyReader。PyReader的性能比 :ref:`user_guide_use_numpy_array_as_train_data` 更好，因为PyReader的数据读取和模型训练过程是异步进行的，且能与 :code:`double_buffer_reader` 配合以进一步提高数据读取性能。此外， :code:`double_buffer_reader` 负责异步完成CPU Tensor到GPU Tensor的转换，一定程度上提升了数据读取效率。