improve embeding cn doc (#1168)

* improve embeding cn doc test=document_preview

* refine text format test=document_preview

* refine return type test=document_preview

* add data example test=document_preview

* refine warining and return type

* refine param_attr

* modify warning

* add warning

* modify x into input

* refine return doc

* add padding data update doc

* add np.dtype

doc/fluid/api_cn/layers_cn/embedding_cn.rst

@@ -7,21 +7,65 @@ embedding
 
 嵌入层(Embedding Layer)
 
-该层用于查找由输入提供的id在查找表中的嵌入矩阵。查找的结果是input里每个ID对应的嵌入矩阵。
-所有的输入变量都作为局部变量传入LayerHelper构造器
+**注意：此OP将在未来的版本中被移除！该OP要求输入Tensor shape的最后一维必须为1。推荐使用fluid.** :ref:`cn_api_fluid_embedding` 。
+
+该OP根据input中的id信息从embedding矩阵中查询对应embedding信息，并会根据输入的size (vocab_size, emb_size)和dtype自动构造一个二维embedding矩阵。
+
+要求input的最后一维必须等于1，输出的Tensor的shape是将输入Tensor shape的最后一维的1替换为emb_size。
+
+注：input中的id必须满足 ``0 =< id < size[0]``，否则程序会抛异常退出。
+
+
+::
+
+    Case 1:
+
+    input是Tensor, 且padding_idx = -1
+        input.data = [[[1], [3]], [[2], [4]], [[4], [127]]]
+        input.shape = [3, 2, 1]
+    若size = [128, 16]
+    输出为Tensor:
+        out.shape = [3, 2, 16]
+        out.data = [[[0.129435295, 0.244512452, ..., 0.436322452],
+                     [0.345421456, 0.524563927, ..., 0.144534654]],
+
+                    [[0.345249859, 0.124939536, ..., 0.194353745],
+                     [0.945345345, 0.435394634, ..., 0.435345365]],
+                     
+                    [[0.945345345, 0.435394634, ..., 0.435345365],
+                     [0.0,         0.0,         ..., 0.0        ]]]  # padding data
+    输入的padding_idx小于0，则自动转换为padding_idx = -1 + 128 = 127, 对于输入id为127的词，进行padding处理。
+    
+    Case 2:
+
+    input是lod level 为1的LoDTensor, 且padding_idx = 0
+        input.lod = [[2, 3]]
+        input.data = [[1], [3], [2], [4], [0]]
+        input.shape = [5, 1]
+    若size = [128, 16]
+    输出为LoDTensor:
+        out.lod = [[2, 3]]
+        out.shape = [5, 16]
+        out.data = [[0.129435295, 0.244512452, ..., 0.436322452],
+                    [0.345421456, 0.524563927, ..., 0.144534654],
+                    [0.345249859, 0.124939536, ..., 0.194353745],
+                    [0.945345345, 0.435394634, ..., 0.435345365],
+                    [0.0,         0.0,         ..., 0.0        ]]  # padding data
+    输入的padding_idx = 0，则对于输入id为0的词，进行padding处理。
+    
 
 参数：
-    - **input** (Variable) - 包含IDs信息的int64的张量变量。输入IDs的值应该(0<= id < size[0])。
-    - **size** (tuple|list) - 查找表参数的维度。应当有两个参数，一个代表嵌入矩阵字典的大小，一个代表每个嵌入向量的大小。
-    - **is_sparse** (bool) - 代表是否用稀疏更新的标志
-    - **is_distributed** (bool) - 是否从远程参数服务端运行查找表
-    - **padding_idx** (int|long|None) - 只要查找发现（padding_idx）在ids中，就会输出全0填充的数据，如果为 ``None`` ，对输出结果无影响。如果（padding_idx<0），则（padding_idx<0）会自动转换为（size[0] + padding_idx）,默认为None。
-    - **param_attr** (ParamAttr) - 该层参数
-    - **dtype** (np.dtype|core.VarDesc.VarType|str) - 数据类型：float32,float_16,int等。
+    - **input** (Variable) - 存储id信息，数据类型必须为：int64，输入的shape最后一维须为1。
+    - **size** (tuple|list) - embedding矩阵的维度。必须包含两个元素，第一个元素为vocab_size(词表大小), 第二个为emb_size（embedding 层维度）。
+    - **is_sparse** (bool) - 是否使用稀疏的更新方式，这个参数只会影响反向的梯度更新的性能，sparse更新速度更快。但某些optimizer不支持sparse更新，比如 :ref:`cn_api_fluid_optimizer_Adadelta` ，此时is_sparse必须为False。默认为False。
+    - **is_distributed** (bool) - 是否使用分布式的方式存储embedding矩阵，仅在多机分布式cpu训练中使用。默认为False。
+    - **padding_idx** (int|long|None) - padding_idx需在区间[-vocab_size, vocab_size)，否则不生效，padding_idx<0时，padding_idx会被改成vocab_size + padding_idx，input中等于padding_index的id对应的embedding信息会被设置为0，且这部分填充数据在训练时将不会被更新。如果为None，不作处理，默认为None。
+    - **param_attr** (ParamAttr) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
+    - **dtype** (str|np.dtype|core.VarDesc.VarType) - 输出Tensor或LoDTensor的数据类型，数据类型必须为：float32或float64，默认为float32。
 
-返回：张量，存储已有输入的嵌入矩阵。
+返回：input映射后得到的Embedding Tensor或LoDTensor，数据类型和dtype定义的类型一致。
 
-返回类型：变量(Variable)
+返回类型：Variable
 
 **代码示例**: