Cherry-pick form develop to 1.2 (#499)

* fix the ref for api_guides

* update_book

* fix for python3 support (#488)

* fix for python3 support
test=develop

* test=develop

* backward.rst

* Update backward.rst

* Update programming_guide.md (#493)

doc/fluid/api_cn/api_guides/low_level/backward.rst

+.. _api_guide_backward:
+
+
+########
+反向传播
+########
+
+神经网络对模型的表达能力依赖于优化算法，优化是一个不断计算梯度并调整可学习参数的过程，Fluid中的优化算法可参考 :ref:`api_guide_optimizer` 。
+
+在网络的训练过程中，梯度计算分为两个步骤：前向计算与 `反向传播 <https://en.wikipedia.org/wiki/Backpropagation>`_ 。
+
+- 前向计算会根据您搭建的网络结构，将输入单元的状态传递到输出单元。
+
+- 反向传播借助 `链式法则 <https://en.wikipedia.org/wiki/Chain_rule>`_ ，计算两个或两个以上复合函数的导数，将输出单元的梯度反向传播回输入单元，根据计算出的梯度，调整网络的可学习参数。
+
+详细实现过程可以参考阅读 `反向传导算法 <http://deeplearning.stanford.edu/wiki/index.php/%E5%8F%8D%E5%90%91%E4%BC%A0%E5%AF%BC%E7%AE%97%E6%B3%95>`_ 。
+
+在Fluid中，我们并不推荐直接调用 :code:`fluid` 中反向传播相关API，因为这是一个极底层的API，请考虑使用 :ref:`api_guide_optimizer` 中的相关API替代。当您使用优化相关API时，Fluid会自动为您计算复杂的反向传播过程。
+
+如想自己实现，您也可以使用 :ref:`cn_api_fluid_backward_append_backward` 中的 :code:`callback` 自
+定义Operator的梯度计算形式。更多用法，请参考：
+
+* :ref:`cn_api_fluid_backward_append_backward`

doc/fluid/api_cn/api_guides/low_level/executor.rst

@@ -7,14 +7,14 @@
 :code:`Executor` 即 :code:`执行器` 。PaddlePaddle Fluid中有两种执行器可以选择。
 :code:`Executor` 实现了一个简易的执行器，所有Operator会被顺序执行。用户可以使用
 Python脚本驱动 :code:`Executor` 执行。默认情况下 :code:`Executor` 是单线程的，如果
-想使用数据并行，请参考另一个执行器， :ref:`cn_api_guide_parallel_executor` 。
+想使用数据并行，请参考另一个执行器， :ref:`api_guide_parallel_executor` 。
 
 :code:`Executor` 的代码逻辑非常简单。建议用户在调试过程中，先使用
 :code:`Executor` 跑通模型，再切换到多设备计算，甚至多机计算。
 
 :code:`Executor` 在构造的时候接受一个 :code:`Place`， 它们可以是 :ref:`cn_api_fluid_CPUPlace`
 或 :ref:`cn_api_fluid_CUDAPlace` 。 :code:`Executor` 在执行的时候可以选择执行的
-:ref:`cn_api_guide_low_level_program` 。
+:ref:`api_guide_low_level_program` 。
 
 简单的使用方法，请参考 `quick_start_fit_a_line <http://paddlepaddle.org/documentation/docs/zh/1.1/beginners_guide/quick_start/fit_a_line/README.cn.html>`_ , API Reference 请参考
 :ref:`cn_api_fluid_Executor` 。

doc/fluid/api_cn/api_guides/low_level/layers/loss_function.rst

@@ -57,4 +57,4 @@ API Reference 请参考 :ref:`cn_api_fluid_layers_sigmoid_cross_entropy_with_log
 
 对于一些较为复杂的损失函数，可以尝试使用其他损失函数组合实现；Paddle Fluid 中提供的用于图像分割任务的 :ref:`cn_api_fluid_layers_dice_loss` 即是使用其他 OP 组合（计算各像素位置似然概率的均值）而成；多目标损失函数也可看作这样的情况，如 Faster RCNN 就使用 cross entropy 和 smooth_l1 loss 的加权和作为损失函数。
 
-**注意**，在定义损失函数之后为能够使用 :ref:`cn_api_guide_optimizer` 进行优化，通常需要使用 :ref:`cn_api_fluid_layers_mean` 或其他操作将损失函数返回的高维 Tensor 转换为 Scalar 值。
\ No newline at end of file
+**注意**，在定义损失函数之后为能够使用 :ref:`api_guide_optimizer` 进行优化，通常需要使用 :ref:`cn_api_fluid_layers_mean` 或其他操作将损失函数返回的高维 Tensor 转换为 Scalar 值。
\ No newline at end of file

doc/fluid/api_cn/api_guides/low_level/layers/math.rst

@@ -147,12 +147,6 @@ equal
 
 API Reference 请参考 :ref:`cn_api_fluid_layers_equal`
 
-not_equal
-------------------
-
-对两个 :code:`Tensor` 逐元素判断是否不等， 对应数学操作符 :code:`!=`
-
-API Reference 请参考 :ref:`cn_api_fluid_layers_elementwise_not_equal`
 
 less_than
 ------------------
@@ -161,26 +155,7 @@ less_than
 
 API Reference 请参考 :ref:`cn_api_fluid_layers_less_than`
 
-less_equal
-------------------
-
-对两个 :code:`Tensor` 逐元素判断是否满足小于或等于关系， 对应数学操作符 :code:`<=`
-
-API Reference 请参考 :ref:`cn_api_fluid_layers_less_equal`
-
-greater_than
-------------------
-
-对两个 :code:`Tensor` 逐元素判断是否满足大于关系， 对应数学操作符 :code:`>`
-
-API Reference 请参考 :ref:`cn_api_fluid_layers_greater_than`
-
-greater_equal
-------------------
-
-对两个 :code:`Tensor` 逐元素判断是否满足大于或等于关系， 对应数学操作符 :code:`>=`
 
-API Reference 请参考 :ref:`cn_api_fluid_layers_greater_equal`
 
 sum
 ------------------
@@ -189,19 +164,19 @@ sum
 
 API Reference 请参考 :ref:`cn_api_fluid_layers_sum`
 
-min
+elementwise_min
 ------------------
 
 对两个 :code:`Tensor` 逐元素进行 :code:`min(x, y)` 操作。
 
-API Reference 请参考 :ref:`cn_api_fluid_layers_min`
+API Reference 请参考 :ref:`cn_api_fluid_layers_elementwise_min`
 
-max
+elementwise_max
 ------------------
 
 对两个 :code:`Tensor` 逐元素进行 :code:`max(x, y)` 操作。
 
-API Reference 请参考 :ref:`cn_api_fluid_layers_max`
+API Reference 请参考 :ref:`cn_api_fluid_layers_elementwise_max`
 
 matmul
 ------------------

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

@@ -39,7 +39,7 @@ API详细使用方法参考 :ref:`cn_api_fluid_layers_embedding` ，以下是一
 
 - :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/prepare_data/lod_tensor.md>`_  。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。
+- :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:`api_guide_async_training`  。默认为False。
 
 - API汇总:
  - :ref:`cn_api_fluid_layers_embedding`

doc/fluid/api_cn/api_guides/low_level/model_save_reader.rst

@@ -10,12 +10,12 @@
 变量、持久性变量和参数
 ====================
 
-在 :code:`Paddle` 中，算子(:code:`Operator`)的每一个输入和输出都是一个变量（:code:`Variable`），而参数（:code:`Parameter`）是变量（:code:`Variable`）的子类。持久性变量（:code:`Persistables`）是一种在每次迭代结束后均不会被删除的变量。参数是一种持久性变量，其在每次迭代后都会被优化器（:ref:`cn_api_guide_optimizer`）更新。训练神经网络本质上就是在更新参数。
+在 :code:`Paddle` 中，算子(:code:`Operator`)的每一个输入和输出都是一个变量（:code:`Variable`），而参数（:code:`Parameter`）是变量（:code:`Variable`）的子类。持久性变量（:code:`Persistables`）是一种在每次迭代结束后均不会被删除的变量。参数是一种持久性变量，其在每次迭代后都会被优化器（:ref:`api_guide_optimizer`）更新。训练神经网络本质上就是在更新参数。
 
 模型保存API介绍
 ====================
 
-- :code:`fluid.io.save_vars`：通过执行器（:ref:`cn_api_guide_executor`）保存变量到指定的目录中。保存变量的方式有两种：
+- :code:`fluid.io.save_vars`：通过执行器（:ref:`api_guide_executor`）保存变量到指定的目录中。保存变量的方式有两种：
 
   1）通过接口中的 :code:`vars` 指定需要保存的变量列表。
 
@@ -33,7 +33,7 @@
 
   API Reference 请参考 :ref:`cn_api_fluid_io_save_persistables`。
 
-- :code:`fluid.io.save_inference_model`：请参考  :ref:`cn_api_guide_inference`。  
+- :code:`fluid.io.save_inference_model`：请参考  :ref:`api_guide_inference`。  
 
 模型加载API介绍
 ====================
@@ -56,4 +56,4 @@
 
   API Reference 请参考 :ref:`cn_api_fluid_io_load_persistables`。
 
--  :code:`fluid.io.load_inference_model`：请参考  :ref:`cn_api_guide_inference`。
+-  :code:`fluid.io.load_inference_model`：请参考  :ref:`api_guide_inference`。

doc/fluid/beginners_guide/install/install_Windows.md

@@ -27,10 +27,10 @@ Windows系统下可使用`cpu-z`这类软件来检测您的处理器是否支持
 * 首先，**检查您的计算机和操作系统**是否满足以下要求：
 	
 		For python2: 使用Python官方下载的python2.7.15
-		For python3: 使用Python官方下载的python3.5.x
+		For python3: 使用Python官方下载的python3.5.x, python3.6.x 或 python3.7.x
 
-*  Python2.7.x，pip >= 9.0.1
-*  Python3.5.x，pip3 >= 9.0.1
+*  Python2.7.x ：pip >= 9.0.1
+*  Python3.5.x, python3.6.x 或 python3.7.x ：pip3 >= 9.0.1
 	    
 下面将说明如何安装PaddlePaddle：
 

doc/fluid/beginners_guide/programming_guide/programming_guide.md

@@ -62,10 +62,10 @@ a = fluid.layers.data(name="a",shape=[3,4],dtype='int64')
 
 #若图片的宽度和高度在运行时可变，将宽度和高度定义为None。
 #shape的三个维度含义分别是：channel、图片的宽度、图片的高度
-b = fluid.layers.data(name="image",shape=[3,None,None],dtpye="float32")
+b = fluid.layers.data(name="image",shape=[3,None,None],dtype="float32")
 ```
 
-其中，dtpye=“int64”表示有符号64位整数数据类型，更多Fluid目前支持的数据类型请查看：[Fluid目前支持的数据类型](../../user_guides/howto/prepare_data/feeding_data.html#fluid)。
+其中，dtype=“int64”表示有符号64位整数数据类型，更多Fluid目前支持的数据类型请查看：[Fluid目前支持的数据类型](../../user_guides/howto/prepare_data/feeding_data.html#fluid)。
 
 **3. 常量 Tensor**
 

book @ 64c82c57

-Subproject commit ef2934505b87eeb516eed7d083900ec88a62fb20
+Subproject commit 64c82c575ff842eaf02c62e61ec6cce78ecc0f42