Fix cn doc (#1447)

* add instance norm

doc/fluid/api_cn/layers_cn.rst

@@ -134,6 +134,7 @@ fluid.layers
     layers_cn/image_resize_short_cn.rst
     layers_cn/increment_cn.rst
     layers_cn/inverse_time_decay_cn.rst
+    layers_cn/instance_norm_cn.rst
     layers_cn/iou_similarity_cn.rst
     layers_cn/is_empty_cn.rst
     layers_cn/isfinite_cn.rst

doc/fluid/api_cn/layers_cn/batch_norm_cn.rst

@@ -38,7 +38,7 @@ moving_mean和moving_var是训练过程中统计得到的全局均值和方差
 
 
 参数：
-    - **input** (Variable) - batch_norm算子的输入特征，是一个Variable类型，输入维度可以是 2, 3, 4, 5。数据类型：float32和float64。
+    - **input** (Variable) - batch_norm算子的输入特征，是一个Variable类型，输入维度可以是 2, 3, 4, 5。数据类型：flaot16, float32, float64。
     - **act** （string）- 激活函数类型，可以是leaky_realu、relu、prelu等。默认：None。
     - **is_test** （bool） - 指示它是否在测试阶段，非训练阶段使用训练过程中统计到的全局均值和全局方差。默认：False。
     - **momentum** （float）- 此值用于计算 moving_mean 和 moving_var。更新公式为:  :math:`moving\_mean = moving\_mean * momentum + new\_mean * (1. - momentum)` ， :math:`moving\_var = moving\_var * momentum + new\_var * (1. - momentum)` ， 默认：0.9。

doc/fluid/api_cn/layers_cn/conv2d_cn.rst

@@ -14,7 +14,7 @@ conv2d
     Out = \sigma \left ( W * X + b \right )
 
 其中：
-    - :math:`X` ：输入图像，NCHW格式的张量（Tensor）
+    - :math:`X` ：输入，NCHW格式的张量（Tensor）
     - :math:`W` ：滤波器，MCHW格式的张量（Tensor）
     - :math:`*` ： 卷积操作
     - :math:`b` ：偏置值，二维张量（Tensor），shape为 ``[M,1]``
@@ -42,7 +42,7 @@ conv2d
     W_{out} = \frac{\left ( W_{in}+2*paddings[1]-\left ( dilations[1]*\left ( W_{f}-1 \right )+1 \right ) \right )}{strides[1]}+1
 
 参数：
-    - **input** (Variable) - 输入，格式为[N,C,H,W]的4-D Tensor。数据类型：float32和float64。
+    - **input** (Variable) - 输入，格式为[N,C,H,W]的4-D Tensor。数据类型：float16, float32, float64。
     - **num_filters** (int) - 滤波器（卷积核）的个数。和输出图像通道相同。
     - **filter_size** (int|tuple) - 滤波器大小。如果filter_size是一个元组，则必须包含两个整型数，（filter_size_height，filter_size_width）。否则，filter_size_height = filter_size_width = filter_size。
     - **stride** (int|tuple) - 步长stride大小。滤波器和输入进行卷积计算时滑动的步长。如果步长stride是一个元组，则必须包含两个整型数，（stride_height,stride_width）。否则，stride_height = stride_width = stride。默认：stride = 1。

doc/fluid/api_cn/layers_cn/conv2d_transpose_cn.rst

@@ -18,7 +18,7 @@ conv2d_transpose
                         Out=\sigma (W*X+b)\\
 
 其中：
-    -  :math:`X` : 输入图像，具有NCHW格式的张量（Tensor）
+    -  :math:`X` : 输入，具有NCHW格式的张量（Tensor）
     -  :math:`W` : 滤波器，具有NCHW格式的张量（Tensor）
     -  :math:`*` : 卷积计算（注意：转置卷积本质上的计算还是卷积）
     -  :math:`b` : 偏置（bias），二维张量，shape为 ``[M,1]``

doc/fluid/api_cn/layers_cn/conv3d_cn.rst

@@ -44,7 +44,7 @@ conv3d
     W_{out}&= \frac{(W_{in} + 2 * paddings[2] - (dilations[2] * (W_f - 1) + 1))}{strides[2]} + 1
 
 参数：
-    - **input** (Variable) - 输入，格式为[N,C,D,H,W]格式的5-D Tensor。数据类型：float32和float64。
+    - **input** (Variable) - 输入，格式为[N,C,D,H,W]格式的5-D Tensor。数据类型：float16, float32, float64。
     - **num_fliters** (int) - 滤波器（卷积核）的个数。和输出图像通道相同。
     - **filter_size** (int|tuple) - 滤波器大小。如果filter_size是一个元组，则必须包含三个整型数，(filter_size_depth, filter_size_height, filter_size_width)。如果filter_size是一个int型，则filter_size_depth = filter_size_height = filter_size_width = filter_size。
     - **stride** (int|tuple) - 步长(stride)大小。滤波器和输入进行卷积计算时滑动的步长。如果步长（stride）为元组，则必须包含三个整型数， (stride_depth, stride_height, stride_width)。否则，stride_depth = stride_height = stride_width = stride。默认：stride = 1。

doc/fluid/api_cn/layers_cn/conv3d_transpose_cn.rst

@@ -17,7 +17,7 @@ conv3d_transpose
                         \\Out=\sigma (W*X+b)\\
 
 其中：
-    -  :math:`X` : 输入图像，具有NCDHW格式的张量（Tensor）
+    -  :math:`X` : 输入，具有NCDHW格式的张量（Tensor）
     -  :math:`W` : 滤波器，具有NCDHW格式的张量（Tensor）
     -  :math:`*` : 卷积操作（注意：转置卷积本质上的计算还是卷积）
     -  :math:`b` : 偏置（bias），二维张量，shape为 ``[M,1]``

doc/fluid/api_cn/layers_cn/cos_sim_cn.rst

@@ -16,7 +16,7 @@ cos_sim
 输入X和Y可以都携带或者都不携带LoD(Level of Detail)信息。但输出和输入X的LoD信息保持一致。
 
 参数：
-    - **X** (Variable) - cos_sim操作函数的第一个输入，维度为 ``[N_1, N_2, ..., N_k]`` 的多维Tensor, 维度不能小于2。数据类型：float32。
+    - **X** (Variable) - cos_sim操作函数的第一个输入，维度为 ``[N_1, N_2, ..., N_k]`` 的多维LoDTensor, 维度不能小于2。数据类型：float32。
     - **Y** (Variable) - cos_sim操作函数的第二个输入，维度为 ``[N_1 或者 1, N_2, ..., N_k]`` 的多维Tensor。数据类型：float32。
 
 返回：LoDTensor。输出两个输入的余弦相似度。

doc/fluid/api_cn/layers_cn/instance_norm_cn.rst

@@ -22,7 +22,7 @@ NCHW[batch,in_channels,in_height,in_width]
 
 
 参数：
-    - **input** (Variable) - instance_norm算子的输入特征，是一个Variable类型，输入的维度可以为 2, 3, 4, 5。
+    - **input** (Variable) - instance_norm算子的输入特征，是一个Variable类型，输入的维度可以为 2, 3, 4, 5。数据类型：float32和float64。
     - **epsilon** （float，默认1e-05）-为了当前输入做标准化时得到稳定的结果而加在的分母上的扰动值。默认值为1e-5。
     - **param_attr** （ParamAttr|None） - instance_norm 权重参数的属性，可以设置为None或者一个ParamAttr的类（ParamAttr中可以指定参数的各种属性）。 如果设为None，则默认的参数初始化为1.0。如果在ParamAttr指定了属性时, instance_norm创建相应属性的param_attr（权重）参数。默认：None。
     - **bias_attr** （ParamAttr|None） - instance_norm 偏置参数的属性，可以设置为None或者一个ParamAttr的类（ParamAttr中可以指定参数的各种属性）。如果设为None，默认的参数初始化为0.0。如果在ParamAttr指定了参数的属性时, instance_norm创建相应属性的bias_attr（偏置）参数。默认：None。