update sequence_softmax_cn.rst (#1448)

update sequence_softmax_cn.rst

doc/fluid/api_cn/layers_cn/sequence_softmax_cn.rst

+.. raw:: html
+   
+    <style> .red {color:red; font-weight:bold} </style>
+
+.. role:: red
+
 .. _cn_api_fluid_layers_sequence_softmax:
 
 sequence_softmax
@@ -5,26 +11,50 @@ sequence_softmax
 
 .. py:function:: paddle.fluid.layers.sequence_softmax(input, use_cudnn=False, name=None)
 
-该函数计算每一个序列所有时间步中的softmax激活函数。每个时间步的维度应为1。
+:red:`注意：该OP的输入只能是LoDTensor，如果要处理的输入是Tensor类型，请使用`  :ref:`cn_api_fluid_layers_softmax` 
 
-输入张量的形状可为 :math:`[N，1]` 或者 :math:`[N]` , :math:`N` 是所有序列长度之和。
+该OP根据LoD信息将输入的第0维度进行划分，在划分的每一个区间内部进行运算。
 
-对mini-batch的第i序列：
+对第i个区间内的元素的计算公式如下：
 
 .. math::
 
     Out\left ( X[lod[i]:lod[i+1]],: \right ) = \frac{exp(X[lod[i]:lod[i+1],:])}{\sum (exp(X[lod[i]:lod[i+1],:]))}
 
-例如，对有3个序列（可变长度）的mini-batch，每个包含2，3，2时间步，其lod为[0,2,5,7]，则在 :math:`X[0:2,:],X[2:5,:],X[5:7,:]` 中进行softmax运算，并且 :math:`N` 的结果为7.
+输入Tensor的维度可为 :math:`[N，1]` 或者 :math:`[N]` ，推荐使用 :math:`[N]` 。
+
+例如，对有6个样本的batch，每个样本的长度为2，3，4，1，2，3，其lod信息为[[0, 3, 5, 9, 10, 12, 15]]，根据lod信息将第0维度划分为6份，在 :math:`X[0:3,:],X[3:5,:],X[5:9,:],X[9:10,:],X[10:12,:],X[12:15,:]`  中进行softmax运算。
+
+::
+
+     示例：
+
+             给定：
+                   input.data = [0.7, 1, 0.6,
+                                 1.5, 1.1,
+                                 1.2, 0.2, 0.6, 1.9,
+                                 3.1,
+                                 2.5, 0.8,
+                                 0.1, 2.4, 1.3]
+                   input.lod = [[0, 3, 5, 9, 10, 12, 15]]
+              则：
+                   output.data = [0.30724832, 0.41474187, 0.2780098,
+                                  0.59868765, 0.40131235,
+                                  0.2544242, 0.09359743, 0.13963096, 0.5123474, 
+                                  1.,
+                                  0.84553474, 0.15446526,
+                                  0.06995796, 0.69777346, 0.23226859]
+                   output.lod = [[0, 3, 5, 9, 10, 12, 15]] 
+
 
 参数：
-    - **input** (Variable) - 输入变量，为LoDTensor
-    - **use_cudnn** (bool) - 是否用cudnn核，仅当下载cudnn库才有效。默认：False
-    - **name** (str|None) - 该层名称（可选）。若设为None，则自动为该层命名。默认：None
+    - **input** (Variable) - 维度为 :math:`[N, 1]` 或者 :math:`[N]` 的LoDTensor，推荐使用 :math:`[N]` 。数据类型为float32或float64。
+    - **use_cudnn** (bool，可选) - 是否用cudnn核，仅当安装cudnn版本的paddle库且使用gpu训练或推理的时候生效。数据类型为bool型，默认值为False。
+    - **name**  (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
 
-返回：sequence_softmax的输出
+返回：根据区间计算softmax之后的LoDTensor，其维度与input的维度一致，数据类型与input的数据类型一致。
 
-返回类型：变量（Variable）
+返回类型：Variable
 
 **代码示例**：
 
@@ -34,9 +64,10 @@ sequence_softmax
     x = fluid.layers.data(name='x', shape=[7, 1],
                  dtype='float32', lod_level=1)
     x_sequence_softmax = fluid.layers.sequence_softmax(input=x)
-
-
-
+    
+    y = fluid.layers.data(name='y', shape=[7],
+                 dtype='float32', lod_level=1)
+    x_sequence_softmax = fluid.layers.sequence_softmax(input=y)