Cherry pick11 (#2161)

* test=release/2.0-alpha

* test=develop

doc/fluid/api_cn/index_cn.rst

@@ -2,6 +2,95 @@
 API Reference
 =============
 
+
+
+基础API
+-------
+
+飞桨2.0提供了新的API，可以同时支持声明式和命令式两种开发模式，比如paddle.nn.Linear，避免在两种模式下使用不同的API造成困惑。原飞桨1.x的API位于paddle.fluid目录下，其中部分组网类的API，只能用于声明式开发，比如：fluid.layers.fc，无法用于命令式开发。
+
+飞桨2.0对API的目录结构进行了调整，从原来的paddle.fluid目录调整到paddle目录下，使得开发接口更加清晰，调整后的目录结构如下：
+
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| 目录                | 功能和包含API                                                                                             |
++=====================+===========================================================================================================+
+| paddle.\*           | paddle根目录下保留了常用API的别名，当前包括：paddle.tensor, paddle.framework目录下的所有API               |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.tensor       | 跟tensor操作相关的API，比如：创建zeros, 矩阵运算matmul, 变换concat, 计算elementwise\_add, 查找argmax等    |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.nn           | 跟组网相关的API，比如：输入占位符data/Input，控制流while\_loop/cond，损失函数，卷积，LSTM等，激活函数等   |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.framework    | 基础框架相关的API，比如：Variable, Program, Executor等                                                    |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.imperative   | imprerative模式专用的API，比如：to\_variable, prepare\_context等                                          |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.optimizer    | 优化算法相关API，比如：SGD，Adagrad, Adam等                                                               |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.metric       | 评估指标计算相关的API，比如：accuracy, cos\_sim等                                                         |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.io           | 数据输入输出相关API，比如：save, load, Dataset, DataLoader等                                              |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.device       | 设备管理相关API，比如：CPUPlace， CUDAPlace等                                                             |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+| paddle.fleet        | 分布式相关API                                                                                             |
++---------------------+-----------------------------------------------------------------------------------------------------------+
+
+同时飞桨2.0对部分Paddle
+1.x版本的API进行了清理，删除了部分不再推荐使用的API，具体信息请参考Release
+Note。
+
+
+高层API
+-------
+
+使用飞桨进行深度学习任务的开发，整体过程包括数据处理、组网、训练、评估、模型导出、预测部署这些基本的操作。这些基本操作在不同的任务中会反复出现，使用基础API进行开发时，需要开发者重复地写这些基础操作的代码，增加了模型开发的工作量。高层API针对这些基础操作进行了封装，提供更高层的开发接口，开发者只需要关心数据处理和自定义组网，其他工作可以通过调用高层API来完成。在MNIST手写数字识别任务中，对比动态图基础API的实现方式，通过使用高层API可以减少80%的非组网类代码。
+
+使用高层API的另外一个好处是，可以通过一行代码\ ``paddle.enable_imperative``\ ，切换命令式编程模式和声明式编程模式。在开发阶段，可以使用的命令式编程模式，方便调试；开发完成后，可以切换到声明式编程模式，加速训练和方便部署。兼具了命令式编程实时执行，容易调试的优点，以及声明式编程全局优化和容易部署的优点。
+
+以下为高层API的一个基础示例
+
+.. code:: python
+
+    import numpy as np
+    import paddle
+    import paddle.nn.functional as F
+    from paddle.incubate.hapi.model import Model, Input, Loss
+    from paddle.incubate.hapi.loss import CrossEntropy
+
+    #高层API的组网方式需要继承Model，Model类实现了模型执行所需的逻辑
+    class SimpleNet(Model):
+        def __init__(self, in_size, out_size):
+            super(SimpleNet, self).__init__()
+            self._linear = paddle.nn.Linear(in_size, out_size)
+        def forward(self, x):
+            y = self._linear(x)
+            z = self._linear(y)
+            pred = F.softmax(z)
+            return pred
+
+    #兼容声明式开发模式，定义数据形状类型，如果不使用声明式编程模式，可以不定义数据占位符
+    inputs = [Input([None, 8], 'float32', name='image')]
+    labels = [Input([None, 1], 'int64', name='labels')]
+
+    #定义模型网络结构，包括指定损失函数和优化算法
+    model = SimpleNet(8, 8)
+    optimizer = paddle.optimizer.AdamOptimizer(learning_rate=0.1, parameter_list=model.parameters())
+    model.prepare(optimizer, CrossEntropy(), None, inputs, labels, device='cpu')
+
+    #切换执行模式
+    paddle.enable_imperative(paddle.CPUPlace())
+
+    #基于batch的训练
+    batch_num = 10
+    x = np.random.random((4, 8)).astype('float32')
+    y = np.random.randint(0, 8, (4, 1)).astype('int64')
+    for i in range(batch_num):
+        model.train_batch(inputs=x, labels=y)
+
+更多高层API开发的模型和示例请参考github Repo:
+`hapi <https://github.com/paddlepaddle/hapi>`__
+
+
 ..  toctree::
     :maxdepth: 1