Polish executor doc (#1216)

* Polish executor doc

doc/fluid/api_cn/executor_cn/Executor_cn.rst

@@ -3,23 +3,16 @@
 Executor
 -------------------------------
 
-
 .. py:class:: paddle.fluid.executor.Executor (place)
 
+Executor支持单GPU、多GPU以及CPU运行。在Executor构造时，需要传入设备。
 
+参数：
+    - **place** (fluid.CPUPlace()|fluid.CUDAPlace(N)) – 该参数表示Executor执行所在的设备，这里的N为GPU对应的ID。
   
+返回：初始化后的 ``Executor`` 对象
 
-执行引擎（Executor）使用python脚本驱动，支持在单/多GPU、单/多CPU环境下运行。
-Python Executor可以接收传入的program,并根据feed map(输入映射表)和fetch_list(结果获取表)
-向program中添加feed operators(数据输入算子)和fetch operators（结果获取算子)。
-feed map为该program提供输入数据。fetch_list提供program训练结束后用户预期的变量（或识别类场景中的命名）。
-
-应注意，执行器会执行program中的所有算子而不仅仅是依赖于fetch_list的那部分。
-
-Executor将全局变量存储到全局作用域中，并为临时变量创建局部作用域。
-当每一mini-batch上的前向/反向运算完成后，局部作用域的内容将被废弃，
-但全局作用域中的变量将在Executor的不同执行过程中一直存在。
-
+返回类型：Executor
 
 **示例代码**
 
@@ -69,18 +62,12 @@ Executor将全局变量存储到全局作用域中，并为临时变量创建局
                          feed={"X": x},
                          fetch_list=[loss.name])
 
-
-参数:
-    - **place** (fluid.CPUPlace|fluid.CUDAPlace(n)) – 指明了 ``Executor`` 的执行场所
-
-
-
 .. py:method:: close()
 
 
-关闭这个执行器(Executor)。
+关闭执行器。该接口主要用于对于分布式训练，调用该接口后不可以再使用该执行器。该接口会释放在PServers上和目前Trainer有关联的资源。
 
-调用这个方法后不可以再使用这个执行器。 对于分布式训练, 该函数会释放在PServers上和目前Trainer有关联的资源。
+返回：无
 
 **示例代码**
 
@@ -96,13 +83,26 @@ Executor将全局变量存储到全局作用域中，并为临时变量创建局
 
 .. py:method:: run(program=None, feed=None, fetch_list=None, feed_var_name='feed', fetch_var_name='fetch', scope=None, return_numpy=True,use_program_cache=False)
 
+执行指定的Program或者CompiledProgram。需要注意的是，执行器会执行Program或CompiledProgram中的所有算子，而不会根据fetch_list对Program或CompiledProgram中的算子进行裁剪。同时，需要传入运行该模型用到的scope，如果没有指定scope，执行器将使用全局scope，即fluid.global_scope()。
+
+参数：  
+  - **program** (Program|CompiledProgram) – 该参数为被执行的Program或CompiledProgram，如果未提供该参数，即该参数为None，在该接口内，main_program将被设置为fluid.default_main_program()。默认为：None。
+  - **feed** (list|dict) – 该参数表示模型的输入变量。如果是单卡训练，``feed`` 为 ``dict`` 类型，如果是多卡训练，参数 ``feed`` 可以是 ``dict`` 或者 ``list`` 类型变量，如果该参数类型为 ``dict`` ，feed中的数据将会被分割(split)并分送给多个设备（CPU/GPU），即输入数据被均匀分配到不同设备上；如果该参数类型为 ``list`` ，则列表中的各个元素都会直接分别被拷贝到各设备中。默认为：None。
+  - **fetch_list** (list) – 该参数表示模型运行之后需要返回的变量。默认为：None。
+  - **feed_var_name** (str) – 该参数表示数据输入算子(feed operator)的输入变量名称。默认为："feed"。
+  - **fetch_var_name** (str) – 该参数表示结果获取算子(fetch operator)的输出变量名称。默认为："fetch"。
+  - **scope** (Scope) – 该参数表示执行当前program所使用的作用域，用户可以为不同的program指定不同的作用域。默认值：fluid.global_scope()。
+  - **return_numpy** (bool) – 该参数表示是否将返回返回的计算结果（fetch list中指定的变量）转化为numpy；如果为False，则每个变量返回的类型为LoDTensor，否则返回变量的类型为numpy.ndarray。默认为：True。
+  - **use_program_cache** (bool) – 该参数表示是否对输入的Program进行缓存。如果该参数为True，在以下情况时，模型运行速度可能会更快：输入的program为 ``fluid.Program`` ，并且模型运行过程中，调用该接口的参数（program、 feed变量名和fetch_list变量）名始终不变。默认为：False。
   
-调用该执行器对象的此方法可以执行program。通过feed map提供待学习数据，以及借助fetch_list得到相应的结果。
-Python执行器(Executor)可以接收传入的program,并根据输入映射表(feed map)和结果获取表(fetch_list)
-向program中添加数据输入算子(feed operators)和结果获取算子（fetch operators)。
-feed map为该program提供输入数据。fetch_list提供program训练结束后用户预期的变量（或识别类场景中的命名）。
+返回：返回fetch_list中指定的变量值
+
+返回类型：List
+
+.. note::
+     1. 如果是多卡训练，并且feed参数为dict类型，输入数据将被均匀分配到不同的卡上，例如：使用2块GPU训练，输入样本数为3，即[0, 1, 2]，经过拆分之后，GPU0上的样本数为1，即[0]，GPU1上的样本数为2，即[1, 2]。如果样本数少于设备数，程序会报错，因此运行模型时，应额外注意数据集的最后一个batch的样本数是否少于当前可用的CPU核数或GPU卡数，如果是少于，建议丢弃该batch。
+     2. 如果可用的CPU核数或GPU卡数大于1，则fetch出来的结果为不同设备上的相同变量值（fetch_list中的变量）在第0维拼接在一起。
 
-应注意，执行器会执行program中的所有算子而不仅仅是依赖于fetch_list的那部分。
 
 **示例代码**
 
@@ -128,21 +128,6 @@ feed map为该program提供输入数据。fetch_list提供program训练结束后
             outs = exe.run(feed={'X': x},
                            fetch_list=[loss.name])
 
-参数：  
-  - **program** (Program|CompiledProgram) – 需要执行的program,如果没有给定那么默认使用default_main_program (未编译的)
-  - **feed** (dict) – 前向输入的变量，数据,词典dict类型, 例如 {“image”: ImageData, “label”: LabelData}
-  - **fetch_list** (list) – 用户想得到的变量或者命名的列表, 该方法会根据这个列表给出结果
-  - **feed_var_name** (str) – 前向算子(feed operator)变量的名称
-  - **fetch_var_name** (str) – 结果获取算子(fetch operator)的输出变量名称
-  - **scope** (Scope) – 执行这个program的域，用户可以指定不同的域。缺省为全局域
-  - **return_numpy** (bool) – 如果为True,则将结果张量（fetched tensor）转化为numpy
-  - **use_program_cache** (bool) – 是否跨批使用缓存程序设置。设置为True时，只有当（1）程序没有用数据并行编译，并且（2）program、 feed变量名和fetch_list变量名与上一步相比没有更改时，运行速度才会更快。
-  
-返回: 根据fetch_list来获取结果
-
-返回类型: list(numpy.array)
-
-
 .. py:method:: infer_from_dataset(program=None, dataset=None, scope=None, thread=0, debug=False, fetch_list=None, fetch_info=None, print_period=100)
 
 infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在分布式训练中，推进梯度将在infer_from_dataset中禁用。 infer_from_dataset（）可以非常容易地用于多线程中的评估。
@@ -157,7 +142,7 @@ infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在
   - **fetch_info** (String List) – 每个变量的打印信息，默认为None
   - **print_period** (int) – 每两次打印之间间隔的mini-batches的数量，默认为100
 
-返回: None
+返回：None
 
 **示例代码**
 
@@ -193,7 +178,7 @@ infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在
   - **fetch_info** (String List) – 每个变量的打印信息，默认为None
   - **print_period** (int) – 每两次打印之间间隔的mini-batches的数量，默认为100
 
-返回: None
+返回：None
 
 **示例代码**
 
@@ -213,5 +198,3 @@ infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在
         exe.run(fluid.default_startup_program())
         exe.train_from_dataset(program=fluid.default_main_program(),
                                dataset=dataset)
-
-

doc/fluid/api_cn/fluid_cn/CompiledProgram_cn.rst

@@ -3,19 +3,17 @@
 CompiledProgram
 -------------------------------
 
-.. py:class:: paddle.fluid.CompiledProgram(program_or_graph)
+.. py:class:: paddle.fluid.CompiledProgram(program_or_graph, build_strategy=None)
 
-编译成一个用来执行的Graph。
+CompiledProgram根据 `build_strategy` 的配置将输入的Program或Graph进行转换和优化，例如：计算图中算子融合、计算图执行过程中开启内存/显存优化等，关于build_strategy更多信息。请参阅  ``fluid.BuildStrategy`` 。
 
-1. 首先使用layers(网络层)创建程序。
-2. （可选）可使用CompiledProgram来在运行之前优化程序。
-3. 定义的程序或CompiledProgram由Executor运行。
+参数：
+  - **program_or_graph** (Graph|Program): 该参数为被执行的Program或Graph。
+  - **build_strategy** (BuildStrategy): 通过配置build_strategy，对计算图进行转换和优化，例如：计算图中算子融合、计算图执行过程中开启内存/显存优化等。关于build_strategy更多信息，请参阅  ``fluid.BuildStrategy`` 。 默认为None。
 
-CompiledProgram用于转换程序以进行各种优化。例如，
+返回：初始化后的 ``CompiledProgram`` 对象
 
-- 预先计算一些逻辑，以便每次运行更快。
-- 转换Program，使其可以在多个设备中运行。
-- 转换Program以进行优化预测或分布式训练。注意：此部分尚未完成。
+返回类型：CompiledProgram
 
 **代码示例**
 
@@ -34,21 +32,38 @@ CompiledProgram用于转换程序以进行各种优化。例如，
     loss = fluid.layers.mean(hidden)
     fluid.optimizer.SGD(learning_rate=0.01).minimize(loss)
 
-        fluid.default_startup_program().random_seed=1
     exe.run(fluid.default_startup_program())
+    build_strategy = fluid.BuildStrategy()
+    build_strategy.fuse_all_optimizer_ops = True
     compiled_prog = compiler.CompiledProgram(
-                 fluid.default_main_program())
+             fluid.default_main_program(), 
+             build_strategy=build_strategy)
     
     x = numpy.random.random(size=(10, 1)).astype('float32')
     loss_data, = exe.run(compiled_prog,
                          feed={"X": x},
                          fetch_list=[loss.name])
-参数：
-  - **program_or_graph** (Graph|Program): 如果它是Program，那么它将首先被降成一个graph，以便进一步优化。如果它是一个graph（以前可能优化过），它将直接用于进一步的优化。注意：只有使用 with_data_parallel 选项编译时才支持graph。
+
 
 .. py:method:: with_data_parallel(loss_name=None, build_strategy=None, exec_strategy=None, share_vars_from=None, places=None)
 
-配置Program使其以数据并行方式运行。
+该接口用于将输入的Program或Graph进行转换，以便通过数据并行模式运行该模型。用户可以通过 `build_strategy` 和 `exec_strategy` 设置计算图构建和计算图执行过程中可以进行的一些优化，例如：将梯度聚合的AllReduce操作进行融合、指定计算图运行过程中使用的线程池大小等。**注意：如果在构建CompiledProgram和调用with_data_parallel时都指定了build_strategy，在CompiledProgram中的build_strategy会被复写，因此，如果是数据并行训练，建议在调用with_data_parallel接口是设置build_strategy**。
+     
+参数：
+  - **loss_name** （str） - 该参数为模型最后得到的损失变量的名字，**注意：如果是模型训练，必须设置loss_name，否则计算结果可能会有问题。** 默认为：None。
+  - **build_strategy** （BuildStrategy）: 通过配置build_strategy，对计算图进行转换和优化，例如：计算图中算子融合、计算图执行过程中开启内存/显存优化等。关于build_strategy更多的信息，请参阅  ``fluid.BuildStrategy`` 。 默认为：None。
+  - **exec_strategy** （ExecutionStrategy） -  通过exec_strategy指定执行计算图过程可以调整的选项，例如线程池大小等。 关于exec_strategy更多信息，请参阅 ``fluid.ExecutionStrategy`` 。 默认为：None。
+  - **share_vars_from** （CompiledProgram） - 如果设置了share_vars_from，当前的CompiledProgram将与share_vars_from指定的CompiledProgram共享参数值。需要设置该参数的情况：模型训练过程中需要进行模型测试，并且训练和测试都是采用数据并行模式，那么测试对应的CompiledProgram在调用with_data_parallel时，需要将share_vars_from设置为训练对应的CompiledProgram。由于CompiledProgram只有在第一次执行时才会将变量分发到其他设备上，因此share_vars_from指定的CompiledProgram必须在当前CompiledProgram之前运行。默认为：None。
+  - **places** （list(CUDAPlace)|list(CPUPlace)） - 该参数指定模型运行所在的设备。如果希望在GPU0和GPU1上运行，places为[fluid.CUDAPlace(0), fluid.CUDAPlace(1)]；如果希望使用2个CPU运行，places为[fluid.CPUPlace()] * 2。 如果没有设置该参数，即该参数为None，模型执行时，将从环境变量中获取可用的设备：如果使用GPU，模型执行时，从环境变量FLAGS_selected_gpus或CUDA_VISIBLE_DEVICES中获取当前可用的设备ID；如果使用CPU，模型执行时，从环境变量CPU_NUM中获取当前可利用的CPU个数。例如：export CPU_NUM=4，如果没有设置该环境变量，执行器会在环境变量中添加该变量，并将其值设为1。默认为：None。
+
+返回：配置之后的 ``CompiledProgram`` 对象
+
+返回类型：CompiledProgram
+
+.. note::
+     1. 如果只是进行多卡测试，不需要设置loss_name以及share_vars_from。
+     2. 如果程序中既有模型训练又有模型测试，则构建模型测试所对应的CompiledProgram时必须设置share_vars_from，否则模型测试和模型训练所使用的参数是不一致。
+
 
 **代码示例**
 
@@ -61,10 +76,10 @@ CompiledProgram用于转换程序以进行各种优化。例如，
     
     use_cuda = True
     place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace()
-            #注意：如果你使用CPU运行程序，需要具体设置CPU_NUM，
-            #否则fluid会把逻辑核的所有数目设为CPU_NUM，
-            #在这种情况下，输入的batch size应大于CPU_NUM，
-            #否则程序会异常中断。
+    # 注意：如果你使用CPU运行程序，需要具体设置CPU_NUM，
+    # 否则fluid会把逻辑核的所有数目设为CPU_NUM，
+    # 在这种情况下，输入的batch size应大于CPU_NUM，
+    # 否则程序会异常中断。
     if not use_cuda:
         os.environ['CPU_NUM'] = str(2)
     
@@ -73,35 +88,25 @@ CompiledProgram用于转换程序以进行各种优化。例如，
     data = fluid.layers.data(name='X', shape=[1], dtype='float32')
     hidden = fluid.layers.fc(input=data, size=10)
     loss = fluid.layers.mean(hidden)
+    test_program = fluid.default_main_program().clone(for_test=True)
     fluid.optimizer.SGD(learning_rate=0.01).minimize(loss)
     
-            fluid.default_startup_program().random_seed=1
     exe.run(fluid.default_startup_program())
-            compiled_prog = compiler.CompiledProgram(
+    build_strategy = fluid.BuildStrategy()
+    build_strategy.fuse_all_reduce_ops = True
+    compiled_train_prog = compiler.CompiledProgram(
              fluid.default_main_program()).with_data_parallel(
-                              loss_name=loss.name)
-     
-            x = numpy.random.random(size=(10, 1)).astype('float32')
-            loss_data, = exe.run(compiled_prog,
-                                 feed={"X": x},
+                      loss_name=loss.name, build_strategy=build_strategy)
+    # 注意：如果此处不设置share_vars_from=compiled_train_prog，测试过程中用的参数与训练使用的参数是不一致
+    compiled_test_prog = compiler.CompiledProgram(
+             test_program).with_data_parallel(
+                      share_vars_from=compiled_train_prog)
+
+    train_data = numpy.random.random(size=(10, 1)).astype('float32')
+    loss_data, = exe.run(compiled_train_prog,
+                         feed={"X": train_data},
+                         fetch_list=[loss.name])
+    test_data = numpy.random.random(size=(10, 1)).astype('float32')
+    loss_data, = exe.run(compiled_test_prog,
+                         feed={"X": test_data},
                          fetch_list=[loss.name])
\ No newline at end of file
-     
-参数：
-  - **loss_name** （str） - 损失函数名称必须在训练过程中设置。 默认None。
-  - **build_strategy** （BuildStrategy） -  build_strategy用于构建图，因此它可以在具有优化拓扑的多个设备/核上运行。 有关更多信息，请参阅  ``fluid.BuildStrategy`` 。 默认None。
-  - **exec_strategy** （ExecutionStrategy） -  exec_strategy用于选择执行图的方式，例如使用多少线程，每次清理临时变量之前进行的迭代次数。 有关更多信息，请参阅 ``fluid.ExecutionStrategy`` 。 默认None。
-  - **share_vars_from** （CompiledProgram） - 如果有，此CompiledProgram将共享来自share_vars_from的变量。 share_vars_from指定的Program必须由此CompiledProgram之前的Executor运行，以便vars准备就绪。
-  - **places** （list(CUDAPlace)|list(CPUPlace)|None） - 如果提供，则仅在给定位置编译程序。否则，编译时使用的位置由Executor确定，使用的位置由环境变量控制：如果使用GPU，则标记FLAGS_selected_gpus或CUDA_VISIBLE_DEVICES设备；如果使用CPU，则标记CPU_NUM。例如，如果要在GPU 0和GPU 1上运行，请设置places=[fluid.CUDAPlace(0), fluid.CUDAPlace(1)]。如果要在2个CPU核心上运行，请设置places=[fluid.CPUPlace()]*2。
-
-返回: self
-
-.. py:method:: with_inference_optimize(config)
-
-添加预测优化。
-
-参数：
-  - **config** - 用于创建预测器的NativeConfig或AnalysisConfig的实例
-
-返回: self
-
-

doc/fluid/api_cn/fluid_cn/Executor_cn.rst

@@ -6,20 +6,14 @@ Executor
 
 .. py:class:: paddle.fluid.Executor (place)
 
+Executor支持单GPU、多GPU以及CPU运行。在Executor构造时，需要传入设备。
 
+参数：
+    - **place** (fluid.CPUPlace()|fluid.CUDAPlace(N)) – 该参数表示Executor执行所在的设备，这里的N为GPU对应的ID。
   
+返回：初始化后的 ``Executor`` 对象
 
-执行引擎（Executor）使用python脚本驱动，支持在单/多GPU、单/多CPU环境下运行。
-Python Executor可以接收传入的program,并根据feed map(输入映射表)和fetch_list(结果获取表)
-向program中添加feed operators(数据输入算子)和fetch operators（结果获取算子)。
-feed map为该program提供输入数据。fetch_list提供program训练结束后用户预期的变量（或识别类场景中的命名）。
-
-应注意，执行器会执行program中的所有算子而不仅仅是依赖于fetch_list的那部分。
-
-Executor将全局变量存储到全局作用域中，并为临时变量创建局部作用域。
-当每一mini-batch上的前向/反向运算完成后，局部作用域的内容将被废弃，
-但全局作用域中的变量将在Executor的不同执行过程中一直存在。
-
+返回类型：Executor
 
 **示例代码**
 
@@ -69,18 +63,12 @@ Executor将全局变量存储到全局作用域中，并为临时变量创建局
                          feed={"X": x},
                          fetch_list=[loss.name])
 
-
-参数:
-    - **place** (fluid.CPUPlace|fluid.CUDAPlace(n)) – 指明了 ``Executor`` 的执行场所
-
-
-
 .. py:method:: close()
 
 
-关闭这个执行器(Executor)。
+关闭执行器。该接口主要用于对于分布式训练，调用该接口后不可以再使用该执行器。该接口会释放在PServers上和目前Trainer有关联的资源。
 
-调用这个方法后不可以再使用这个执行器。 对于分布式训练, 该函数会释放在PServers上和目前Trainer有关联的资源。
+返回：无
 
 **示例代码**
 
@@ -96,13 +84,26 @@ Executor将全局变量存储到全局作用域中，并为临时变量创建局
 
 .. py:method:: run(program=None, feed=None, fetch_list=None, feed_var_name='feed', fetch_var_name='fetch', scope=None, return_numpy=True,use_program_cache=False)
 
+执行指定的Program或者CompiledProgram。需要注意的是，执行器会执行Program或CompiledProgram中的所有算子，而不会根据fetch_list对Program或CompiledProgram中的算子进行裁剪。同时，需要传入运行该模型用到的scope，如果没有指定scope，执行器将使用全局scope，即fluid.global_scope()。
+
+参数：  
+  - **program** (Program|CompiledProgram) – 该参数为被执行的Program或CompiledProgram，如果未提供该参数，即该参数为None，在该接口内，main_program将被设置为fluid.default_main_program()。默认为：None。
+  - **feed** (list|dict) – 该参数表示模型的输入变量。如果是单卡训练，``feed`` 为 ``dict`` 类型，如果是多卡训练，参数 ``feed`` 可以是 ``dict`` 或者 ``list`` 类型变量，如果该参数类型为 ``dict`` ，feed中的数据将会被分割(split)并分送给多个设备（CPU/GPU），即输入数据被均匀分配到不同设备上；如果该参数类型为 ``list`` ，则列表中的各个元素都会直接分别被拷贝到各设备中。默认为：None。
+  - **fetch_list** (list) – 该参数表示模型运行之后需要返回的变量。默认为：None。
+  - **feed_var_name** (str) – 该参数表示数据输入算子(feed operator)的输入变量名称。默认为："feed"。
+  - **fetch_var_name** (str) – 该参数表示结果获取算子(fetch operator)的输出变量名称。默认为："fetch"。
+  - **scope** (Scope) – 该参数表示执行当前program所使用的作用域，用户可以为不同的program指定不同的作用域。默认值：fluid.global_scope()。
+  - **return_numpy** (bool) – 该参数表示是否将返回返回的计算结果（fetch list中指定的变量）转化为numpy；如果为False，则每个变量返回的类型为LoDTensor，否则返回变量的类型为numpy.ndarray。默认为：True。
+  - **use_program_cache** (bool) – 该参数表示是否对输入的Program进行缓存。如果该参数为True，在以下情况时，模型运行速度可能会更快：输入的program为 ``fluid.Program`` ，并且模型运行过程中，调用该接口的参数（program、 feed变量名和fetch_list变量）名始终不变。默认为：False。
+  
+返回：返回fetch_list中指定的变量值
+
+返回类型：List
 
-调用该执行器对象的此方法可以执行program。通过feed map提供待学习数据，以及借助fetch_list得到相应的结果。
-Python执行器(Executor)可以接收传入的program,并根据输入映射表(feed map)和结果获取表(fetch_list)
-向program中添加数据输入算子(feed operators)和结果获取算子（fetch operators)。
-feed map为该program提供输入数据。fetch_list提供program训练结束后用户预期的变量（或识别类场景中的命名）。
+.. note::
+     1. 如果是多卡训练，并且feed参数为dict类型，输入数据将被均匀分配到不同的卡上，例如：使用2块GPU训练，输入样本数为3，即[0, 1, 2]，经过拆分之后，GPU0上的样本数为1，即[0]，GPU1上的样本数为2，即[1, 2]。如果样本数少于设备数，程序会报错，因此运行模型时，应额外注意数据集的最后一个batch的样本数是否少于当前可用的CPU核数或GPU卡数，如果是少于，建议丢弃该batch。
+     2. 如果可用的CPU核数或GPU卡数大于1，则fetch出来的结果为不同设备上的相同变量值（fetch_list中的变量）在第0维拼接在一起。
 
-应注意，执行器会执行program中的所有算子而不仅仅是依赖于fetch_list的那部分。
 
 **示例代码**
 
@@ -128,21 +129,6 @@ feed map为该program提供输入数据。fetch_list提供program训练结束后
             outs = exe.run(feed={'X': x},
                            fetch_list=[loss.name])
 
-参数：  
-  - **program** (Program|CompiledProgram) – 需要执行的program,如果没有给定那么默认使用default_main_program (未编译的)
-  - **feed** (dict) – 前向输入的变量，数据,词典dict类型, 例如 {“image”: ImageData, “label”: LabelData}
-  - **fetch_list** (list) – 用户想得到的变量或者命名的列表, 该方法会根据这个列表给出结果
-  - **feed_var_name** (str) – 前向算子(feed operator)变量的名称
-  - **fetch_var_name** (str) – 结果获取算子(fetch operator)的输出变量名称
-  - **scope** (Scope) – 执行这个program的域，用户可以指定不同的域。缺省为全局域
-  - **return_numpy** (bool) – 如果为True,则将结果张量（fetched tensor）转化为numpy
-  - **use_program_cache** (bool) – 是否在不同的批次间使用相同的缓存程序设置。设置为True时，只有当（1）程序没有用数据并行编译，并且（2）program、 feed变量名和fetch_list变量名与上一步相比没有更改时，运行速度才会更快。
-  
-返回: 根据fetch_list来获取结果
-
-返回类型: list(numpy.array)
-
-
 .. py:method:: infer_from_dataset(program=None, dataset=None, scope=None, thread=0, debug=False, fetch_list=None, fetch_info=None, print_period=100)
 
 infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在分布式训练中，推进梯度将在infer_from_dataset中禁用。 infer_from_dataset（）可以非常容易地用于多线程中的评估。
@@ -157,7 +143,7 @@ infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在
   - **fetch_info** (String List) – 每个变量的打印信息，默认为None
   - **print_period** (int) – 每两次打印之间间隔的mini-batches的数量，默认为100
 
-返回: None
+返回：None
 
 **示例代码**
 
@@ -193,7 +179,7 @@ infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在
   - **fetch_info** (String List) – 每个变量的打印信息，默认为None
   - **print_period** (int) – 每两次打印之间间隔的mini-batches的数量，默认为100
 
-返回: None
+返回：None
 
 **示例代码**
 
@@ -211,7 +197,5 @@ infer_from_dataset的文档与train_from_dataset几乎完全相同，只是在
         filelist = [] # 您可以设置您自己的filelist，如filelist = ["dataA.txt"]
         dataset.set_filelist(filelist)
         exe.run(fluid.default_startup_program())
-        exe.infer_from_dataset(program=fluid.default_main_program(),
+        exe.train_from_dataset(program=fluid.default_main_program(),
                                dataset=dataset)
-
-

doc/fluid/api_cn/fluid_cn/ParallelExecutor_cn.rst

@@ -5,10 +5,29 @@ ParallelExecutor
 
 .. py:class:: paddle.fluid.ParallelExecutor(use_cuda, loss_name=None, main_program=None, share_vars_from=None, exec_strategy=None, build_strategy=None, num_trainers=1, trainer_id=0, scope=None)
 
+``ParallelExecutor`` 是 ``Executor`` 的一个升级版本，可以支持基于数据并行的多节点模型训练和测试。如果采用数据并行模式， ``ParallelExecutor`` 在构造时会将参数分发到不同的节点上，并将输入的 ``Program`` 拷贝到不同的节点，在执行过程中，各个节点独立运行模型，将模型反向计算得到的参数梯度在多个节点之间进行聚合，之后各个节点独立的进行参数的更新。如果使用GPU运行模型，即 ``use_cuda=True`` ，节点指代GPU， ``ParallelExecutor`` 将自动获取在当前机器上可用的GPU资源，用户也可以通过在环境变量设置可用的GPU资源，例如：希望使用GPU0、GPU1计算，export CUDA_VISIBLEDEVICES=0,1；如果在CPU上进行操作，即 ``use_cuda=False`` ，节点指代CPU，**注意：此时需要用户在环境变量中手动添加 CPU_NUM ，并将该值设置为CPU设备的个数，例如：export CPU_NUM=4，如果没有设置该环境变量，执行器会在环境变量中添加该变量，并将其值设为1**。
 
+参数:
+    - **use_cuda** (bool) – 该参数表示是否使用GPU执行。
+    - **loss_name** （str） - 该参数为模型最后得到的损失变量的名字。**注意：如果是数据并行模型训练，必须设置loss_name，否则计算结果可能会有问题。** 默认为：None。
+    - **main_program** (Program) – 需要被执行的Program 。如果未提供该参数，即该参数为None，在该接口内，main_program将被设置为fluid.default_main_program()。 默认为：None。
+    - **share_vars_from** (ParallelExecutor) - 如果设置了share_vars_from，当前的ParallelExecutor将与share_vars_from指定的ParallelExecutor共享参数值。需要设置该参数的情况：模型训练过程中需要进行模型测试，并且训练和测试都是采用数据并行模式，那么测试对应的ParallelExecutor在调用with_data_parallel时，需要将share_vars_from设置为训练所对应的ParallelExecutor。由于ParallelExecutor只有在第一次执行时才会将参数变量分发到其他设备上，因此share_vars_from指定的ParallelExecutor必须在当前ParallelExecutor之前运行。默认为：None。
+    - **exec_strategy** (ExecutionStrategy) -  通过exec_strategy指定执行计算图过程可以调整的选项，例如线程池大小等。 关于exec_strategy更多信息，请参阅 ``fluid.ExecutionStrategy`` 。 默认为：None。
+    - **build_strategy** (BuildStrategy): 通过配置build_strategy，对计算图进行转换和优化，例如：计算图中算子融合、计算图执行过程中开启内存/显存优化等。关于build_strategy更多的信息，请参阅  ``fluid.BuildStrategy`` 。 默认为：None。
+    - **num_trainers** (int) – 进行GPU分布式训练时需要设置该参数。如果该参数值大于1，NCCL将会通过多层级节点的方式来初始化。每个节点应有相同的GPU数目。默认为：1。
+    - **trainer_id** (int) –  进行GPU分布式训练时需要设置该参数。该参数必须与num_trainers参数同时使用。trainer_id指明是当前所在节点的 “rank”（层级）。trainer_id从0开始计数。默认为：0。
+    - **scope** (Scope) – 指定执行Program所在的作用域。默认为：fluid.global_scope()。
+
+返回：初始化后的 ``ParallelExecutor`` 对象
 
+返回类型：ParallelExecutor
 
-``ParallelExecutor`` 专门设计用来实现数据并行计算，着力于向不同结点(node)分配数据，并行地在不同结点中对数据进行操作。如果在GPU上使用该类运行程序，node则用来指代GPU， ``ParallelExecutor`` 也将自动获取在当前机器上可用的GPU资源。如果在CPU上进行操作，node则指代CPU，同时你也可以通过添加环境变量 ``CPU_NUM`` 来设置CPU设备的个数。例如，``CPU_NUM=4``。但是如果没有设置该环境变量，该类会调用 ``multiprocessing.cpu_count`` 来获取当前系统中CPU的个数。
+抛出异常：``TypeError`` 
+    - 如果提供的参数 ``share_vars_from`` 不是 ``ParallelExecutor`` 类型的，将会抛出此异常。
+
+.. note::
+     1. 如果只是进行多卡测试，不需要设置loss_name以及share_vars_from。
+     2. 如果程序中既有模型训练又有模型测试，则构建模型测试所对应的ParallelExecutor时必须设置share_vars_from，否则模型测试和模型训练所使用的参数是不一致。
 
 **示例代码**
 
@@ -39,46 +58,45 @@ ParallelExecutor
         test_program = fluid.default_main_program().clone(for_test=True)
         fluid.optimizer.SGD(learning_rate=0.01).minimize(loss)
 
-
     exe.run(startup_program)
     
     train_exe = fluid.ParallelExecutor(use_cuda=use_cuda,
                                        main_program=train_program,
                                        loss_name=loss.name)
+    # 注意：如果此处不设置share_vars_from=train_exe，测试过程中用的参数与训练使用的参数是不一致
     test_exe = fluid.ParallelExecutor(use_cuda=use_cuda,
                                       main_program=test_program,
                                       share_vars_from=train_exe)
 
-        x = numpy.random.random(size=(10, 1)).astype('float32')
-        loss_data, = train_exe.run(feed={"X": x},
+    train_data = numpy.random.random(size=(10, 1)).astype('float32')
+    loss_data, = train_exe.run(feed={"X": train_data},
                                fetch_list=[loss.name])
 
-        loss_data, = test_exe.run(feed={"X": x},
+    test_data = numpy.random.random(size=(10, 1)).astype('float32')
+    loss_data, = test_exe.run(feed={"X": test_data},
                               fetch_list=[loss.name])
 
-参数:
-    - **use_cuda** (bool) – 是否使用CUDA
-    - **loss_name** (str) – 在训练阶段，必须提供loss function名称。默认为None
-    - **main_program** (Program) – 需要执行的program。如果未提供， 那么将使用 ``default_main_program``。 默认为None
-    - **share_vars_from** (ParallelExecutor) – 如果提供了该参数， 则该 ``ParallelExecutor`` 与指定的 ``ParallelExecutor`` 共享变量。默          认为空
-    - **exec_strategy** (ExecutionStrategy) – ``exec_strategy`` 用于调控program在 ``ParallelExecutor`` 中的执行方式，例如，执行该program需要的线程数, 释放在执行过程中产生的临时变量需要的重复(iterations)次数。 请参考 ``fluid.ExecutionStrategy`` 获取详细介绍。该参数默认为 None
-    - **build_strategy** (BuildStrategy) – 设置成员 ``build_strategy`` 可以控制在 ``ParallelExecutor`` 中搭建SSA Graph的方式，例如， ``reduce_strategy`` ， ``gradient_scale_strategy`` 。 请参考 ``fluid.BuildStrategy`` 获取详细介绍。 该参数默认为None
-    - **num_trainers** (int) – 如果该值大于1， NCCL将会通过多层级node的方式来初始化。每个node应有相同的GPU数目。 随之会启用分布式训练。该参数默认为1
-    - **trainer_id** (int) – 必须与 ``num_trainers`` 参数同时使用。``trainer_id`` 是当前所在node的 “rank”（层级），从0开始计数。该参数默认为0
-    - **scope** (Scope) – 指定执行program所在的作用域， 默认使用 ``fluid.global_scope()``
+.. py:method::  run(fetch_list, feed=None, feed_dict=None, return_numpy=True)
 
-返回：初始化后的 ``ParallelExecutor`` 对象
+该接口用于运行当前模型，需要注意的是，执行器会执行Program中的所有算子，而不会根据fetch_list对Program中的算子进行裁剪。
 
-返回类型: ParallelExecutor
+参数：
+    - **fetch_list** (list) – 该变量表示模型运行之后需要返回的变量。
+    - **feed** (list|dict) – 该变量表示模型的输入变量。如果该参数类型为 ``dict`` ，feed中的数据将会被分割(split)并分送给多个设备（CPU/GPU）；如果该参数类型为 ``list`` ，则列表中的各个元素都会直接分别被拷贝到各设备中。默认为：None。
+    - **feed_dict** – 该参数已经停止使用。默认为：None。
+    - **return_numpy** (bool) – 该变量表示是否将fetched tensor转换为numpy。默认为：True。
 
-抛出异常：``TypeError`` - 如果提供的参数 ``share_vars_from`` 不是 ``ParallelExecutor`` 类型的，将会弹出此异常
+返回：返回fetch_list中指定的变量值
 
-.. py:method::  run(fetch_list, feed=None, feed_dict=None, return_numpy=True)
+返回类型：List
 
-使用 ``fetch_list`` 执行一个 ``ParallelExecutor`` 对象。
+抛出异常：
+     - ``ValueError`` - 如果feed参数是list类型，但是它的长度不等于可用设备（执行场所）的数目，再或者给定的feed不是dict类型，抛出此异常
+     - ``TypeError`` - 如果feed参数是list类型，但是它里面的元素不是dict类型时，抛出此异常
 
-参数 ``feed`` 可以是 ``dict`` 或者 ``list`` 类型变量。如果该参数是 ``dict`` 类型，feed中的数据将会被分割(split)并分送给多个设备（CPU/GPU）。
-反之，如果它是 ``list`` ，则列表中的各个元素都会直接分别被拷贝到各设备中。
+.. note::
+     1. 如果feed参数为dict类型，输入数据将被均匀分配到不同的卡上，例如：使用2块GPU训练，输入样本数为3，即[0, 1, 2]，经过拆分之后，GPU0上的样本数为1，即[0]，GPU1上的样本数为2，即[1, 2]。如果样本数少于设备数，程序会报错，因此运行模型时，应额外注意数据集的最后一个batch的样本数是否少于当前可用的CPU核数或GPU卡数，如果是少于，建议丢弃该batch。
+     2. 如果可用的CPU核数或GPU卡数大于1，则fetch出来的结果为不同设备上的相同变量值（fetch_list中的变量）在第0维拼接在一起。
 
 **示例代码**
 
@@ -107,7 +125,6 @@ ParallelExecutor
         loss = fluid.layers.mean(hidden)
         fluid.optimizer.SGD(learning_rate=0.01).minimize(loss)
  
-        startup_program.random_seed=1
         exe.run(startup_program)
  
         train_exe = fluid.ParallelExecutor(use_cuda=use_cuda,
@@ -117,7 +134,6 @@ ParallelExecutor
     # 图像会被split到设备中。假设有两个设备，那么每个设备将会处理形为 (5, 1)的图像
     x = numpy.random.random(size=(10, 1)).astype('float32')
     loss_data, = train_exe.run(feed={"X": x},
-
                                fetch_list=[loss.name])
 
     # 如果feed参数是list类型:
@@ -126,45 +142,16 @@ ParallelExecutor
     # 第二个设备处理形为 (9, 1) 的图像
     #
     # 使用 exe.device_count 得到设备数目
+    x1 = numpy.random.random(size=(10, 1)).astype('float32')
     x2 = numpy.random.random(size=(9, 1)).astype('float32')
-    loss_data, = train_exe.run(feed=[{"X": x}, {"X": x2}],
+    loss_data, = train_exe.run(feed=[{"X": x1}, {"X": x2}],
                                fetch_list=[loss.name])
 
-参数：
-    - **fetch_list** (list) – 获取的变量名列表
-    - **feed** (list|dict|None) – feed变量。 如果该参数是 ``dict`` 类型，feed中的数据将会被分割(split)并分送给多个设备（CPU/GPU）。反之，如果它是 ``list`` ，则列表中的各个元素都直接分别被拷贝到各设备中。默认为None
-    - **feed_dict** – 该参数已经停止使用。feed参数的别名, 为向后兼容而立。默认为None
-    - **return_numpy** (bool) – 是否将fetched tensor转换为numpy。默认为True
-
-返回： 获取的结果列表
-
-返回类型：List
-
-抛出异常:
-     - ``ValueError`` - 如果feed参数是list类型，但是它的长度不等于可用设备（执行场所）的数目，再或者给定的feed不是dict类型，抛出此异常
-     - ``TypeError`` - 如果feed参数是list类型，但是它里面的元素不是dict类型时，弹出此异常
-
-.. note::
-     1. 如果feed参数为dict类型，那么传入 ``ParallelExecutor`` 的数据量 *必须* 大于可用的CPU核数或GPU卡数。否则，C++端将会抛出异常。应额外注意核对数据集的最后一个batch是否比可用的CPU核数或GPU卡数大。
-     2. 如果可用的CPU核数或GPU卡数大于一个，则为每个变量最后获取的结果都是list类型，且这个list中的每个元素都是各CPU核或GPU卡上的变量
-
-**代码示例**
-
-.. code-block:: python
-
-        import paddle.fluid as fluid
-        pe = fluid.ParallelExecutor(use_cuda=use_cuda,
-                                    loss_name=avg_cost.name,
-                                    main_program=fluid.default_main_program())
-        loss = pe.run(feed=feeder.feed(cur_batch),
-                      fetch_list=[avg_cost.name]))
-
 .. py:method::  drop_local_exe_scopes()
 
-立即删除本地执行作用域。
- 
-在程序执行期间，生成中间结果被放置在本地执行作用域内，在某些模型中，这些中间结果的创建和删除较为费时。为了解决这个问题，ParallelExecutor在ExecutionStrategy中提供了可选项，如num_iteration_per_drop_scope，此选项指示在删除本地执行作用域之前要运行的迭代次数。 但在某些情况下，每次迭代都会产生不同的中间结果，这将导致本地执行作用域所需的内存逐渐增加。 如果你想在这个时候运行另一个程序，可能没有足够的存储空间，此时你应该删除其他程序的本地执行作用域。
+立即清除scope中的临时变量。模型运行过程中，生成的中间临时变量将被放到local execution scope中，为了避免对临时变量频繁的申请与释放，ParallelExecutor中采取的策略是间隔若干次迭代之后清理一次临时变量。ParallelExecutor在ExecutionStrategy中提供了num_iteration_per_drop_scope选项，该选项表示间隔多少次迭代之后清理一次临时变量。如果num_iteration_per_drop_scope值为100，但是希望在迭代50次之后清理一次临时变量，可以通过手动调用该接口。
 
+返回：无
 
 **代码示例**
 
@@ -202,7 +189,3 @@ ParallelExecutor
                                fetch_list=[loss.name])
     
     parallel_exe.drop_local_exe_scopes()
-
-
-
-