Expose set_gradient_clip cn doc (#1295)

* expose set_gradient_clip, test=develop

* follow lanxiang's comments, test=develop

doc/fluid/api_cn/clip_cn.rst

@@ -12,3 +12,4 @@ fluid.clip
     clip_cn/GradientClipByGlobalNorm_cn.rst
     clip_cn/GradientClipByNorm_cn.rst
     clip_cn/GradientClipByValue_cn.rst
+    clip_cn/set_gradient_clip_cn.rst

doc/fluid/api_cn/clip_cn/set_gradient_clip_cn.rst

+.. _cn_api_fluid_clip_set_gradient_clip:
+
+set_gradient_clip
+-------------------------------
+
+.. py:function:: paddle.fluid.clip.set_gradient_clip(clip, param_list=None, program=None)
+
+给指定参数做梯度裁剪。
+
+参数:
+    - **clip** (BaseGradientClipAttr) - BaseGradientClipAttr子类的实例，如 :ref:`cn_api_fluid_clip_GradientClipByGlobalNorm` 等，用于描述具体的裁剪方法和属性。
+    - **param_list** (list(Variable)，可选) - 需要裁剪的参数列表，可以是参数或参数名称列表。默认值为None，表示裁剪 ``program`` 中的所有参数。
+    - **program** (Program，可选) - 参数所在的Program。默认值为None，表示使用 :ref:`cn_api_fluid_default_main_program`。
+
+返回: 无。
+
+**代码示例**
+
+.. code-block:: python
+
+    import paddle.fluid as fluid
+
+    def network():
+        image = fluid.layers.data(name='image', shape=[28], dtype='float32')
+        param_attr1 = fluid.ParamAttr("fc1_param")
+        fc1 = fluid.layers.fc(image, size=10, param_attr=param_attr1)
+        param_attr2 = fluid.ParamAttr("fc2_param")
+        fc2 = fluid.layers.fc(fc1, size=10, param_attr=param_attr2)
+        loss = fluid.layers.reduce_mean(fc2)
+        return loss
+
+
+    # network 1: clip all parameter gradient
+    with fluid.program_guard(fluid.Program(), fluid.Program()):
+        loss = network()
+        fluid.clip.set_gradient_clip(
+            fluid.clip.GradientClipByGlobalNorm(clip_norm=2.0))
+        sgd = fluid.optimizer.SGD(learning_rate=1e-3)
+        sgd.minimize(loss)
+
+    # network 2: clip parameter gradient by name
+    with fluid.program_guard(fluid.Program(), fluid.Program()):
+        loss = network()
+        fluid.clip.set_gradient_clip(
+            fluid.clip.GradientClipByValue(min=-1.0, max=1.0),
+            param_list=["fc1_param", "fc2_param"])
+        sgd = fluid.optimizer.SGD(learning_rate=1e-3)
+        sgd.minimize(loss)
+
+    # network 3: clip parameter gradient by var
+    with fluid.program_guard(fluid.Program(), fluid.Program()):
+        loss = network()
+        param_var1 = fluid.default_main_program().global_block().var("fc1_param")
+        param_var2 = fluid.default_main_program().global_block().var("fc2_param")
+        fluid.clip.set_gradient_clip(
+            fluid.clip.GradientClipByValue(min=-1.0, max=1.0),
+            param_list=[param_var1, param_var2])
+        sgd = fluid.optimizer.SGD(learning_rate=1e-3)
+        sgd.minimize(loss)