Fix typo in programming_guide and lod_tensor (#1131)

* fix typo in doc

* add faq for lod_tensor

* format the lod_tensor.rst

doc/fluid/beginners_guide/programming_guide/programming_guide.md

@@ -112,7 +112,7 @@ Fluid有特定的数据传入方式：
 
 在Fluid中，所有对数据的操作都由Operator表示，您可以使用内置指令来描述他们的神经网络。
 
-为了便于用户使用，在Python端，Fluid中的Operator被一步封装入`paddle.fluid.layers`，`paddle.fluid.nets` 等模块。
+为了便于用户使用，在Python端，Fluid中的Operator被封装入`paddle.fluid.layers`，`paddle.fluid.nets` 等模块。
 
 这是因为一些常见的对Tensor的操作可能是由更多基础操作构成，为了提高使用的便利性，框架内部对基础 Operator 进行了一些封装，包括创建 Operator 依赖可学习参数，可学习参数的初始化细节等，减少用户重复开发的成本。
 

doc/fluid/user_guides/howto/basic_concept/lod_tensor.rst

@@ -224,7 +224,7 @@ recursive_seq_lens 是一个双层嵌套列表，也就是列表的列表，最
         cur_len += l
         lod.append(cur_len)
     # 对待转换的 Tensor 降维
-    flattened_data = np.concatenate(data, axis=0).astype("int64")
+    flattened_data = np.concatenate(data, axis=0).astype("float32")
     flattened_data = flattened_data.reshape([len(flattened_data), 1])
     # 为 Tensor 数据添加lod信息
     res = fluid.LoDTensor()
@@ -363,6 +363,32 @@ layers.sequence_expand通过获取 y 的 lod 值对 x 的数据进行扩充，
     print("The LoD of the result: {}.".format(results[0].lod()))
 
 
+FAQ：
+=======
+
+问：如何打印variable的lod 信息
+
+答：
+
+1. 可以使用 `executor.run` 将你需要查看的 `variable`  fetch 出来，然后打印其 lod 信息，注意运行时设置 `executor.run` 方法的 `return_numpy` 参数为 `False`。
+
+  .. code-block:: python
+
+      results = exe.run(fluid.default_main_program(),
+                    feed={'x':x_d, 'y': y_d },
+                    fetch_list=[out],return_numpy=False)
+      lod_tensor = results[0]
+      print (lod_tensor.lod())
+
+2. 可以使用fluid.layers.Print()
+
+  .. code-block:: python
+
+      y = fluid.layers.data(name='y', shape=[1], dtype='float32', lod_level=2)
+
+      fluid.layers.Print(y)
+
+
 总结
 ========
 

doc/fluid/user_guides/howto/basic_concept/lod_tensor_en.rst

@@ -221,7 +221,7 @@ The following three pieces of codes introduce how to create LoD-Tensor, how to t
          cur_len += l
          lod.append(cur_len)
      # decrease the dimention of transformed Tensor
-     flattened_data = np.concatenate(data, axis=0).astype("int64")
+     flattened_data = np.concatenate(data, axis=0).astype("float32")
      flattened_data = flattened_data.reshape([len(flattened_data), 1])
      # add lod information to Tensor data
      res = fluid.LoDTensor()