From 6ecd6327ecaadd5c766d376dc95296a983ba44c3 Mon Sep 17 00:00:00 2001
From: DuYao <mathewdu1314@gmail.com>
Date: Fri, 11 Oct 2019 17:08:23 +0800
Subject: [PATCH] update polynomialDecay Chinese document (#1320)

* update polynomialDecay, test=develop

* update, test=develop

* update, test=document_fix

* update poly, test=document_fix

* update, test=document_fix

* update, test=document_fix

* update, test=develop
---
 .../api_cn/dygraph_cn/PolynomialDecay_cn.rst  | 50 +++++++++++--------
 1 file changed, 30 insertions(+), 20 deletions(-)

diff --git a/doc/fluid/api_cn/dygraph_cn/PolynomialDecay_cn.rst b/doc/fluid/api_cn/dygraph_cn/PolynomialDecay_cn.rst
index 9048930ce..af8337670 100644
--- a/doc/fluid/api_cn/dygraph_cn/PolynomialDecay_cn.rst
+++ b/doc/fluid/api_cn/dygraph_cn/PolynomialDecay_cn.rst
@@ -5,31 +5,41 @@ PolynomialDecay
 
 .. py:class:: paddle.fluid.dygraph.PolynomialDecay(learning_rate, decay_steps, end_learning_rate=0.0001, power=1.0, cycle=False, begin=0, step=1, dtype='float32')
 
-为初始学习率应用多项式衰减。
+该接口提供学习率按多项式衰减的功能。通过多项式衰减函数，使得学习率值逐步从初始的 ``learning_rate``，衰减到 ``end_learning_rate`` 。
 
+计算方式如下。
 
-.. code-block:: text
+若cycle为True，则计算公式为：
 
-    if cycle:
-        decay_steps = decay_steps * ceil(global_step / decay_steps)
-    else:
-        global_step = min(global_step, decay_steps)
-        decayed_learning_rate = (learning_rate - end_learning_rate) *
-            (1 - global_step / decay_steps) ^ power + end_learning_rate
+.. math::
+
+    decay\_steps &= decay\_steps * math.ceil(\frac{global\_step}{decay\_steps})  \\
+    decayed\_learning\_rate &= (learning\_rate-end\_learning\_rate)*(1-\frac{global\_step}{decay\_steps})^{power}+end\_learning\_rate
+
+若cycle为False，则计算公式为：
+
+.. math::
+
+    global\_step &= min(global\_step, decay\_steps) \\
+    decayed\_learning\_rate &= (learning\_rate-end\_learning\_rate)*(1-\frac{global\_step}{decay\_steps})^{power}+end\_learning\_rate
+
+式中，
+
+- :math:`decayed\_learning\_rate` ： 衰减后的学习率。
+式子中各参数详细介绍请看参数说明。
 
 参数：
-    - **learning_rate** (Variable|float32)-标量float32值或变量。是训练过程中的初始学习率
-    - **decay_steps** (int32)-Python int32数
-    - **end_learning_rate** (float)-Python float数
-    - **power** (float)-Python float数
-    - **cycle** (bool)-若设为true，每decay_steps衰减学习率
-    - **begin** (int) – 起始步(默认为0)
-    - **step** (int) – 步大小(默认为1)
-    - **dtype**  (str)– 初始化学习率变量的dtype(默认为‘float32’)
-
-返回：衰减的学习率
-
-返回类型：变量（Variable）
+    - **learning_rate** (Variable|float32) - 初始学习率。如果类型为Variable，则为shape为[1]的Tensor，数据类型为float32或float64；也可以是python的float类型。
+    - **decay_steps** (int) - 衰减步数。必须是正整数，该参数确定衰减周期。
+    - **end_learning_rate** (float，可选) - 最小的最终学习率。默认值为0.0001。
+    - **power** (float，可选) - 多项式的幂。默认值为1.0。
+    - **cycle** (bool，可选) - 学习率下降后是否重新上升。若为True，则学习率衰减到最低学习率值时，会出现上升。若为False，则学习率曲线则单调递减。默认值为False。
+    - **begin** (int，可选) – 起始步，即以上运算式子中global_step的初始化值。默认值为0。
+    - **step** (int，可选) – 步大小，即以上运算式子中global_step的递增值。默认值为1。
+    - **dtype** (str，可选)– 初始化学习率变量的数据类型，可以为"float32", "float64"。默认值为"float32"。
+
+返回： 无
+
 
 **代码示例**
 
-- 
GitLab