update faq by sheqi (#944)

* update faq by sheqi

* fix format errors

* renew links; fix format issues

doc/fluid/beginners_guide/install/index_cn.rst

@@ -49,5 +49,4 @@ PaddlePaddle目前支持以下环境：
 	install_Windows.md
 	install_Docker.md
 	compile/fromsource.rst
-	FAQ.md
 	Tables.md

doc/fluid/beginners_guide/install/index_en.rst

@@ -42,5 +42,4 @@ And the installation assumes your computer possesses 64-bit operating system, an
 	install_MacOS_en.md
 	install_Windows_en.md
 	compile/fromsource_en.rst
-	FAQ_en.md
 	Tables_en.md

doc/fluid/faq/index_cn.rst

@@ -7,4 +7,4 @@ FAQ
 
     install_cn.rst
     train_cn.rst
-    inferense_cn.rst
+    inference_cn.rst

doc/fluid/faq/inference_cn.md

+# 预测引擎
+
+
+
+## 常见问题
+
+##### Q: 模型保存成功，但加载失败
+
++ 问题描述
+
+VGG模型，训练时候使用`fluid.io.save_inference_model`保存模型，预测的时候使用`fluid.io.load_inference_model`加载模型文件。保存的是我自己训练的 VGG 模型。保存没问题，加载的时候报错`paddle.fluid.core.EnforceNotMet: Cannot read more from file` ？
+
++ 问题解答
+
+错误提示可能的原因如下，请检查。
+
+1、 模型文件有损坏或缺失。
+
+2、 模型参数和模型结构不匹配。
+
+## 同时多模型问题
+
+##### Q: 加载两个模型失败
+
++ 问题描述
+
+infer时，当先后加载检测和分类两个网络时，分类网络的参数为什么未被load进去？
+
++ 问题解答
+
+尝试两个模型在不同的scope里面infer，使用`with fluid.scope_guard(new_scope)`，另外定义模型前加上`with fluid.unique_name.guard()`解决。
+
+##### Q: 同时使用两个模型报错
+
++ 问题描述
+
+两个模型都load之后，用第一个模型的时候会报错？
+
++ 问题解答
+
+由于用`load_inference_model`的时候会修改一些用户不可见的环境变量，所以执行后一个`load_inference_model`的时候会把前一个模型的环境变量覆盖，导致前一个模型不能用，或者说再用的时候就需要再加载一次。此时需要用如下代码保护一下，[参考详情](https://github.com/PaddlePaddle/Paddle/issues/16661)。
+
+```
+xxx_scope = fluid.core.Scope()
+with fluid.scope_guard(xxx_scope):
+    [...] = fluid.load_inference_model(...)
+```
+
+##### Q: 多线程预测失败
+
++ 问题描述
+
+c++调用paddlepaddle多线程预测出core？
+
++ 问题解答
+
+Paddle predict 库里没有多线程的实现，当上游服务并发时，需要用户起多个预测服务，[参考示例](http://paddlepaddle.org/documentation/docs/zh/1.3/advanced_usage/deploy/inference/native_infer.html)。

doc/fluid/faq/inferense_cn.md

-# 预测引擎
-
-### Q：VGG模型，训练时候使用`fluid.io.save_inference_model`保存模型，预测的时候使用`fluid.io.load_inference_model`加载模型文件。保存的是我自己训练的 VGG 模型。保存没问题，加载的时候报错`paddle.fluid.core.EnforceNotMet: Cannot read more from file` ？
-+ 版本、环境信息
-1）PaddlePaddle版本：Paddle Fluid 1.2.0。
-2）系统环境：Linux，Python2.7。
-+ 错误信息
-```
-Traceback (most recent call last):
-  File "classify-infer.py", line 43, in <module>
-    executor=exe)
-  File "/home/work/xiangyubo/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/io.py", line 784, in load_inference_model
-    load_persistables(executor, dirname, program, params_filename)
-  File "/home/work/xiangyubo/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/io.py", line 529, in load_persistables
-    filename=filename)
-  File "/home/work/xiangyubo/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/io.py", line 395, in load_vars
-    filename=filename)
-  File "/home/work/xiangyubo/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/io.py", line 436, in load_vars
-    executor.run(load_prog)
-  File "/home/work/xiangyubo/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/executor.py", line 472, in run
-    self.executor.run(program.desc, scope, 0, True, True)
-paddle.fluid.core.EnforceNotMet: Cannot read more from file ./classify-model/vgg-classify-params at [/paddle/paddle/fluid/operators/load_combine_op.cc:58]
-PaddlePaddle Call Stacks: 
-0       0x7f4bdb4b2226p paddle::platform::EnforceNotMet::EnforceNotMet(std::__exception_ptr::exception_ptr, char const*, int) + 486
-1       0x7f4bdbb97ab4p paddle::operators::LoadCombineOp::RunImpl(paddle::framework::Scope const&, boost::variant<paddle::platform::CUDAPlace, paddle::platform::CPUPlace, paddle::platform::CUDAPinnedPlace, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_> const&) const + 2004
-2       0x7f4bdcda56afp paddle::framework::OperatorBase::Run(paddle::framework::Scope const&, boost::variant<paddle::platform::CUDAPlace, paddle::platform::CPUPlace, paddle::platform::CUDAPinnedPlace, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_, boost::detail::variant::void_> const&) + 463
-3       0x7f4bdb588ef3p paddle::framework::Executor::RunPreparedContext(paddle::framework::ExecutorPrepareContext*, paddle::framework::Scope*, bool, bool, bool) + 227
-4       0x7f4bdb589920p paddle::framework::Executor::Run(paddle::framework::ProgramDesc const&, paddle::framework::Scope*, int, bool, bool) + 128
-5       0x7f4bdb49e0dbp
-6       0x7f4bdb4da18ep
-7       0x7f4c3efcabb8p PyEval_EvalFrameEx + 25016
-8       0x7f4c3efce0bdp PyEval_EvalCodeEx + 2061
-9       0x7f4c3efcb345p PyEval_EvalFrameEx + 26949
-10      0x7f4c3efce0bdp PyEval_EvalCodeEx + 2061
-11      0x7f4c3efcb345p PyEval_EvalFrameEx + 26949
-12      0x7f4c3efce0bdp PyEval_EvalCodeEx + 2061
-13      0x7f4c3efcb345p PyEval_EvalFrameEx + 26949
-14      0x7f4c3efce0bdp PyEval_EvalCodeEx + 2061
-15      0x7f4c3efcb345p PyEval_EvalFrameEx + 26949
-16      0x7f4c3efce0bdp PyEval_EvalCodeEx + 2061
-17      0x7f4c3efcb345p PyEval_EvalFrameEx + 26949
-18      0x7f4c3efce0bdp PyEval_EvalCodeEx + 2061
-19      0x7f4c3efce1f2p PyEval_EvalCode + 50
-20      0x7f4c3eff6f42p PyRun_FileExFlags + 146
-21      0x7f4c3eff82d9p PyRun_SimpleFileExFlags + 217
-22      0x7f4c3f00e00dp Py_Main + 3149
-23      0x7f4c3e20bbd5p __libc_start_main + 245
-24            0x4007a1p
-```
-+ 问题解答
-错误提示可能的原因如下，请检查。
-1、 模型文件有损坏或缺失。
-2、 模型参数和模型结构不匹配。
-
-### Q：infer时，当先后加载检测和分类两个网络时，分类网络的参数为什么未被load进去？
-+ 问题解答
-尝试两个模型在不同的scope里面infer，使用`with fluid.scope_guard(new_scope)`，另外定义模型前加上`with fluid.unique_name.guard()`解决。
-
-### Q：c++调用paddlepaddle多线程预测出core？
-+ 问题解答
-Paddle predict 库里没有多线程的实现，当上游服务并发时，需要用户起多个预测服务，[参考示例](http://paddlepaddle.org/documentation/docs/zh/1.3/advanced_usage/deploy/inference/native_infer.html)。
-
-
-### Q：两个模型都load之后，用第一个模型的时候会报错？
-+ 问题解答
-由于用`load_inference_model`的时候会修改一些用户不可见的环境变量，所以执行后一个`load_inference_model`的时候会把前一个模型的环境变量覆盖，导致前一个模型不能用，或者说再用的时候就需要再加载一次。此时需要用如下代码保护一下，[参考详情](https://github.com/PaddlePaddle/Paddle/issues/16661)。
-```
-xxx_scope = fluid.core.Scope()
-with fluid.scope_guard(xxx_scope):
-    [...] = fluid.load_inference_model(...)
-```

doc/fluid/faq/train_cn.md

 # 网络搭建及训练
 
-### Q：在RNN模型中如何遍历序列数据里每一个时间步？
+
+
+## 模型介绍
+
+##### Q: sigmoid中num_classes意义？
+
++ 问题描述
+
+sigmoid二分类，`sigmoid_cross_entropy_with_logits`，其中num_classes的意义是什么？
+
 + 问题解答
-对于LodTensor数据，分步处理每一个时间步数据的需求，大部分情况可以使用`DynamicRNN`，[参考示例](https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/fluid/tests/book/test_machine_translation.py#L69) ，其中`rnn.step_input`即是每一个时间步的数据，`rnn.memory`是需要更新的rnn的hidden state，另外还有个`rnn.static_input`是rnn外部的数据在DynamicRNN内的表示（如encoder的output），可以利用这三种数据完成所需操作。
-rank_table记录了每个sequence的长度，DynamicRNN中调用了lod_tensor_to_array在产生array时按照rank_table做了特殊处理（sequence从长到短排序后从前到后进行slice），每个时间步数据的batch size可能会缩小（短的sequence结束时），这是Fluid DynamicRNN的一些特殊之处。 
-对于非LoDTensor数据，可以使用StaticRNN，用法与上面类似，参考[语言模型示例]( https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleNLP/language_model/lstm/lm_model.py#L261)。
 
-### Q：batch norm 里面的两个参数：moving_mean_name、moving_variance_name应该是两个var，但是他们却没有受到 `with fluid.unique_name.guard()` 的影响，导致名字重复？
+`sigmoid_cross_entropy_with_logits`里面的num_classes是指有多个分类标签，而且这些标签之间相互独立，这样对每个分类都会有一个预测概率。举个例子，假如我们要做一个视频动作分类，有如下几个标签（吃饭，聊天，走路，打球），那么num_classes = 4。一个视频可以同时有多个ground truth标签是1，比如这里可能是(1, 1, 0, 0)，也就是一边吃饭一边聊天的场景。而一个可能的预测概率是(0.8, 0.9, 0.1, 0.3)，那么计算损失函数的时候，要对每个分类标签分别计算`sigmoid cross entropy`。
+
+##### Q：proto信息解释文档？
+
++ 问题描述
+
+PaddlePaddle的proto信息相关的解释文档？
+
 + 问题解答
-用户指定的name的优先级高于unique_name生成器，所以名字不会被改变。
 
-### Q：怎么配置让两个fc层共享参数？
+proto信息可以打印出来，然后参考Github [framework.prot](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/framework/framework.proto)文件进行解释。
+
+
+## 模型调用
+
+##### Q: 如何不训练某层的权重？
+
 + 问题解答
-只要指定param_attr相同名字即可，是`param_attr = fluid.ParamAttr(name='fc_share')`，然后把param_attr传到fc里去。
 
+ParamAttr里配置`learning_rate=0`。
+
+##### Q: 根据输出结束模型运行？
+
++ 问题描述
+
+PaddlePaddle可以像tf一样根据输出，只执行模型的一部分么？
 
-### Q：调用`save_inference_model`后，`load_inference_model`加载预测模型的时候用py_reader读取，`feeded_var_names`为空也无法通过feed输入了。py_reader此刻应该如何声明？
 + 问题解答
-目前`load_inference_model`加载进行的模型还不支持py_reader输入。
 
-### Q：根据models里面的[ctr例子](https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/ctr/infer.py)改写了一个脚本，主要在train的同时增加test过程，方便选择模型轮次，整体训练测试过程跑通，不过无法获取accuracy？
+目前的executor会执行整个program。建议做法是，在定义program的时候提前clone出一个子program，如当前`inference_program = fluid.default_main_program().clone(for_test=True)`的做法。
+
+##### Q: 遍历每一个时间布？
+
++ 问题描述
+
+在RNN模型中如何遍历序列数据里每一个时间步？
+
++ 问题解答
+
+对于LodTensor数据，分步处理每一个时间步数据的需求，大部分情况可以使用`DynamicRNN`，[参考示例](https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/fluid/tests/book/test_machine_translation.py#L69) ，其中`rnn.step_input`即是每一个时间步的数据，`rnn.memory`是需要更新的rnn的hidden state，另外还有个`rnn.static_input`是rnn外部的数据在DynamicRNN内的表示（如encoder的output），可以利用这三种数据完成所需操作。
+
+rank_table记录了每个sequence的长度，DynamicRNN中调用了lod_tensor_to_array在产生array时按照rank_table做了特殊处理（sequence从长到短排序后从前到后进行slice），每个时间步数据的batch size可能会缩小（短的sequence结束时），这是Fluid DynamicRNN的一些特殊之处。
+对于非LoDTensor数据，可以使用StaticRNN，用法与上面类似，参考[语言模型示例]( https://github.com/PaddlePaddle/models/blob/develop/PaddleNLP/unarchived/language_model/lstm/lm_model.py#L261)。
+
+##### Q: NumPy读取出fc层W矩阵？
+
++ 问题描述
+
+PaddlePaddle中训练好的fc层参数，有没有直接用numpy 读取出fc层的W矩阵的示例代码呢？
+
++ 问题解答
+
+weight名字在构建网络的时候可以通过param_attr指定，然后用`fluid.global_scope().find_var("weight_name").get_tensor()`。
+
+##### Q: `stop_gradient=True`影响范围？
+
++ 问题描述
+
+请问fluid里面如果某一层使用`stop_gradient=True`，那么是不是这一层之前的层都会自动 `stop_gradient=True`?
+
++ 问题解答
+
+是的，梯度不回传了。
+
+##### Q: 如何获取accuracy？
+
++ 问题描述
+
+根据models里面的[ctr例子](https://github.com/PaddlePaddle/models/blob/develop/PaddleRec/ctr/infer.py)改写了一个脚本，主要在train的同时增加test过程，方便选择模型轮次，整体训练测试过程跑通，不过无法获取accuracy？
+
 + 问题解答
+
 AUC中带有LOD 信息，需要设置`return_numpy=False `来获得返回值。
 
-### Q：CTR模型保存模型时报错
+##### Q: 图片小数量大数据集处理方法
+
++ 问题描述
+
+对于图片小但数量很大的数据集有什么好的处理方法？
+
++ 问题解答
+
+`multiprocess_reader`可以解决该问题。参考[Github示例](https://github.com/PaddlePaddle/Paddle/issues/16592)。
+
+##### Q: Libnccl.so报错如何解决？
+
++ 报错信息
+
 ```
-Traceback (most recent call last):
-  File "train.py", line 610, in <module>
-    train_test()
-  File "train.py", line 553, in train_test
-    fluid.io.save_inference_model(model_dir, data_name_list, [loss, auc_var], pe)
-  File "/home/kangjianfeng/paddlepaddle/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/io.py", line 681, in save_inference_model
-    main_program = main_program._prune(targets=target_vars)
-  File "/home/kangjianfeng/paddlepaddle/paddle_release_home/python/lib/python2.7/site-packages/paddle/fluid/framework.py", line 1741, in _prune
-    "The target variable must have an "
-ValueError: The target variable must have an associated operator that generates it.
+Failed to find dynamic library: libnccl.so ( libnccl.so: cannot open shared object file: No such file or directory ）
 ```
 
-+ 代码文件：[network_conf.py](https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/ctr/network_conf.py)只修改了最后一行：
++ 问题解答
+
+按照以下步骤做检查：
+
+1、先确定是否安装libnccl.so
+
+2、确定环境变量是否配置正确
+
+```
+export LD_LIBRARY_PATH=`pwd`/nccl_2.1.4-1+cuda8.0_x86_64/lib:$LD_LIBRARY_PATH
+```
+
+3、确定是否要配置软链
+
+```
+cd /usr/lib/x86_64-linux-gnu
+ln -s libnccl.so.2 libnccl.so
+```
+
+
+## 模型保存
+
+##### Q: 保存模型API选择
+
++ 问题描述
+
+请说明一下如下两个接口的适用场景，现在保存模型都不知用哪个：`save_inference_model`、`save_params`？
+
++ 问题解答
+
+`save_inference_model`主要是用于预测的，该API除了会保存预测时所需的模型参数，还会保存预测使用的模型结构。而`save_params`会保存一个program中的所有参数，但是不保存该program对应的模型结构。参考[模型保存与加载](http://paddlepaddle.org/documentation/docs/zh/1.4/api_guides/low_level/model_save_reader.html)
+
+##### Q: 保存模型报错
+
++ 问题描述
+
+CTR模型保存模型时报错
+
++ 代码文件：[network_conf.py](https://github.com/PaddlePaddle/models/blob/develop/PaddleRec/ctr/network_conf.py)只修改了最后一行：
+
 ```
 accuracy = fluid.layers.accuracy(input=predict, label=words[-1])
 auc_var, batch_auc_var, auc_states = \
@@ -46,115 +152,122 @@ return accuracy, avg_cost, auc_var, batch_auc_var, py_reader
 ```
 
 + 问题解答
-保存模型时需指定program 才能正确保存。请使用` executor = Executor(place)`, 你的train_program, 以及给` layers.data `指定的名称作为` save_inference_model` 的输入。
 
-### Q：holder_ should not be null Tensor not initialized yet when Tensor::type() is called
-+ 错误信息
-```
-C++ Callstacks:
-holder should not be null
-Tensor not initialized yet when Tensor::type() is called. at [/paddle/paddle/fluid/framework/tensor.h:145]
-PaddlePaddle Call Stacks:
-```
+保存模型时需指定program 才能正确保存。请使用`executor = Executor(place)`, 你的train_program, 以及给`layers.data`指定的名称作为`save_inference_model` 的输入。
+
+
+## 参数相关
+
+##### Q: 手动输入参数并改变？
+
++ 问题描述
+
+PaddlePaddle的全连接层，可不可以手动输入参数比如weights和bias并禁止优化器比如optimizer.SGD在模型训练的时候改变它？
+
 + 问题解答
-错误提示是某个tensor为空。建议运行时加上环境变量GLOG_vmodule=operator=4 , GLOG_logtostderr=1看看运行到哪个op，哪个tensor为空。
 
+可以通过ParamAttr设置参数的属性，`fluid.ParamAttr( initializer=fluid.initializer.Normal(0.0, 0.02), learning_rate=2.0)`，其中learning_rate设置为0，就不会修改。手动输入参数也可以实现，但是会比较麻烦。
+
+##### Q: `fluid.unique_name.guard()`影响范围
+
++ 问题描述
+
+batch norm 里面的两个参数：moving_mean_name、moving_variance_name应该是两个var，但是他们却没有受到 `with fluid.unique_name.guard()` 的影响，导致名字重复？
 
-### Q：使用py_reader读取数据的时候，怎么给读取的变量指定名字呢？
 + 问题解答
-参考[create_py_reader_by_data](http://paddlepaddle.org/documentation/docs/zh/1.3/api_cn/layers_cn.html#create-py-reader-by-data)
 
+用户指定的name的优先级高于unique_name生成器，所以名字不会被改变。
+
+##### Q: 2fc层共享参数？
+
++ 问题描述
+
+怎么配置让两个fc层共享参数？
 
-### Q：PaddlePaddle是否支持两维以上的变长tensor，如shape[-1, -1, 128]？
 + 问题解答
-配置网络的时候可以将shape写成[-1,任意正数,128]，然后输入的时候shape可以为[任意正数,任意正数,128]。维度只是个占位，运行网络的时候的实际维度是从输入数据推导出来的。两个"任意整数" 在输入和配置的时候可以不相等。配置网络的时候第一维度必须为-1。
 
+只要指定param_attr相同名字即可，是`param_attr = fluid.ParamAttr(name='fc_share')`，然后把param_attr传到fc里去。
+
+
+## LoD-Tensor数据结构相关
+
+##### Q: 拓展tensor纬度
+
++ 问题描述
+
+PaddlePaddle有拓展tensor维度的op吗？
 
-### Q：请说明一下如下两个接口的适用场景，现在保存模型都不知用哪个：`save_inference_model`、`save_params`？
 + 问题解答
-`save_inference_model`主要是用于预测的，该API除了会保存预测时所需的模型参数，还会保存预测使用的模型结构。而`save_params`会保存一个program中的所有参数，但是不保存该program对应的模型结构。参考[模型保存与加载](http://paddlepaddle.org/documentation/docs/zh/1.4/api_guides/low_level/model_save_reader.html)
 
-### Q：PaddlePaddle的proto信息相关的解释文档？
+请参[unsqueeze op](http://paddlepaddle.org/documentation/docs/zh/1.3/api/layers.html#unsqueeze)，例如[1,2]拓展为[1，2，1]
+
+##### Q: 多维变长tensor?
+
++ 问题描述
+
+PaddlePaddle是否支持两维以上的变长tensor，如shape[-1, -1, 128]？
+
 + 问题解答
-proto信息可以打印出来，然后参考Github [framework.prot](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/framework/framework.proto)文件进行解释。
 
-### Q：C++ 如何把std::vector转换成 lodtensor的方法?
+配置网络的时候可以将shape写成[-1,任意正数,128]，然后输入的时候shape可以为[任意正数,任意正数,128]。维度只是个占位，运行网络的时候的实际维度是从输入数据推导出来的。两个"任意整数" 在输入和配置的时候可以不相等。配置网络的时候第一维度必须为-1。
+
+##### Q: vector -> LodTensor
+
++ 问题描述
+
+C++ 如何把std::vector转换成LodTensor的方法?
+
 + 问题解答
+
 如下示例
-```cpp
 
+```cpp
 std::vector<int64_t> ids{1918, 117, 55, 97, 1352, 4272, 1656, 903};
-
 framework::LoDTensor words;
-
 auto size = static_cast<int>(ids.size());
-
 framework::LoD lod{{0, ids.size()}};
-
 DDim dims{size, 1};
-
 words.Resize(dims);
-
 words.set_lod(lod);
-
 auto *pdata = words.mutable_data<int64_t>();
-
 size_t n = words.numel() * sizeof(int64_t);
-
 memcpy(pdata, ids.data(), n);
+```
+
+##### Q: 报错holder should not be null
+
++ 错误信息
 
+```
+C++ Callstacks:
+holder should not be null
+Tensor not initialized yet when Tensor::type() is called. at [/paddle/paddle/fluid/framework/tensor.h:145]
+PaddlePaddle Call Stacks:
 ```
 
-### Q：PaddlePaddle可以像tf一样根据输出，只执行模型的一部分么？
 + 问题解答
-目前的executor会执行整个program。建议做法是，在定义program的时候提前clone出一个子program，如当前`inference_program = fluid.default_main_program().clone(for_test=True)`的做法。
 
-### Q：PaddlePaddle的全连接层，可不可以手动输入参数比如weights和bias并禁止优化器比如optimizer.SGD在模型训练的时候改变它？
-+ 问题解答
-可以通过ParamAttr设置参数的属性，`fluid.ParamAttr( initializer=fluid.initializer.Normal(0.0, 0.02), learning_rate=2.0)`，其中learning_rate设置为0，就不会修改。手动输入参数也可以实现，但是会比较麻烦。
+错误提示是某个tensor为空。建议运行时加上环境变量GLOG_vmodule=operator=4 , GLOG_logtostderr=1看看运行到哪个op，哪个tensor为空。
 
-### Q：PaddlePaddle中训练好的fc层参数，有没有直接用numpy 读取出fc层的W矩阵的示例代码呢？
-+ 问题解答
-weight名字在构建网络的时候可以通过param_attr指定，然后用`fluid.global_scope().find_var("weight_name").get_tensor()`。
 
-### Q：请问fluid 里面如果某一层使用`stop_gradient=True`，那么是不是这一层之前的层都会自动 `stop_gradient=True`?
-+ 问题解答
-是的，梯度不回传了。
+## pyreader
 
-### Q：如何不训练某层的权重？
-+ 问题解答
-ParamAttr里配置`learning_rate=0`。
+##### Q: 加载模型时pyreader使用
 
-### Q：PaddlePaddle有拓展tensor维度的op吗？
-+ 问题解答
-请参[unsqueeze op](http://paddlepaddle.org/documentation/docs/zh/1.3/api/layers.html#unsqueeze)，例如[1,2]拓展为[1，2，1]
++ 问题描述
 
-### Q：sigmoid二分类，`sigmoid_cross_entropy_with_logits`，其中num_classes的意义？
-+ 问题解答
-`sigmoid_cross_entropy_with_logits`里面的num_classes是指有多个分类标签，而且这些标签之间相互独立，这样对每个分类都会有一个预测概率。举个例子，假如我们要做一个视频动作分类，有如下几个标签（吃饭，聊天，走路，打球），那么num_classes = 4。一个视频可以同时有多个ground truth标签是1，比如这里可能是(1, 1, 0, 0)，也就是一边吃饭一边聊天的场景。而一个可能的预测概率是(0.8, 0.9, 0.1, 0.3)，那么计算损失函数的时候，要对每个分类标签分别计算`sigmoid cross entropy`。
+调用`save_inference_model`后，`load_inference_model`加载预测模型的时候用py_reader读取，`feeded_var_names`为空也无法通过feed输入了。py_reader此刻应该如何声明？
 
-### Q：对于图片小但数量很大的数据集有什么好的处理方法？
 + 问题解答
-`multiprocess_reader`可以解决该问题。参考[Github示例](https://github.com/PaddlePaddle/Paddle/issues/16592)。
 
-### Q：fluid1.3, cpu训练如何使用多线程?
-+ 问题解答
-使用`ParallelExecutor`的话默认是多线程所有核数的，设置CPU_NUM可以指定线程数，另外可以试下在创建`ParallelExecutor`时传入设置了num_threads 的exec_strategy。
+目前`load_inference_model`加载进行的模型还不支持py_reader输入。
+
+##### Q: 变量取名
+
++ 问题描述
+
+使用py_reader读取数据的时候，怎么给读取的变量指定名字呢？
 
-### Q：Libnccl.so报错如何解决？
-+ 报错信息
-```
-Failed to find dynamic library: libnccl.so ( libnccl.so: cannot open shared object file: No such file or directory ）
-```
 + 问题解答
-按照以下步骤做检查：
-1、先确定是否安装libnccl.so
-2、确定环境变量是否配置正确
-```
-export LD_LIBRARY_PATH=`pwd`/nccl_2.1.4-1+cuda8.0_x86_64/lib:$LD_LIBRARY_PATH
-```
-3、确定是否要配置软链
-```
-cd /usr/lib/x86_64-linux-gnu
-ln -s libnccl.so.2 libnccl.so
-```
+
+参考[create_py_reader_by_data](http://paddlepaddle.org/documentation/docs/zh/1.3/api_cn/layers_cn.html#create-py-reader-by-data)