(3) modify WeightNormParamAttr doc (#1309)

* modify WeightNormParamAttr doc

* modify

* modify WeightNormParamAttr

* modify

* modify

* modify

* test

* test

* test=develop

* add params declearation

* add declearation

* test

doc/fluid/api_cn/fluid_cn/WeightNormParamAttr_cn.rst

@@ -6,36 +6,36 @@ WeightNormParamAttr
 .. py:class:: paddle.fluid.WeightNormParamAttr(dim=None, name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)
 
 
-权重归一化。权重归一化是将权重向量的量级与其方向解耦。`Weight Normalization: A Simple Reparameterization to Accelerate Training of Deep Neural Networks <https://arxiv.org/pdf/1602.07868.pdf>`_ 这篇paper中讨论了权重归一化的实现
+该类定义了权重归一化(Weight Normalization)的参数。权重归一化可以将神经网络中权重向量的长度与其方向解耦，详细的定义与实现可以参考论文：`Weight Normalization: A Simple Reparameterization to Accelerate Training of Deep Neural Networks <https://arxiv.org/pdf/1602.07868.pdf>`_
 
 参数:
-  - **dim** (int) - 归一化的维度。默认None。
-  - **name** (str) - 参数的名称。默认None。
-  - **initializer** （initializer) - 初始化参数的方法。默认None。
-  - **learning_rate** (float) - 学习率。优化时学习速率 :math:`global\_lr∗parameter\_lr∗scheduler\_factor` 。默认1.0。
-  - **regularizer** (WeightDecayRegularizer) - 正则化因子。默认None。
-  - **trainable** (bool) - 参数是否可训练。默认True。
-  - **gradient_clip** (BaseGradientClipAttr) - 梯度下降裁剪（Gradient Clipping）的方法。默认None。
-  - **do_model_average** (bool) - 参数是否应该model average。默认False。
+  - **dim** (int) - 进行归一化操作(norm)的切片所在维度，是小于权重Tensor rank的非负数。比如卷积的权重shape是 :math:`[cout, cin, kh, kw]` , rank是4，则dim可以选0,1,2,3；fc的权重shape是 :math:`[cout, cin]` ，rank是2，dim可以选0，1。 dim 默认为None，如果为None就对所有元素做归一化(norm)。
+  - **name** (None|str) - 该参数供开发人员打印调试信息时使用，具体用法请参见 :ref:`api_guide_Name` ，默认为None。
+  - **initializer** （Initializer) - 初始化参数方法，例如 ``initializer = fluid.initializer.ConstantInitializer(1.0)`` 。默认为None，如果为None则使用默认初始化函数 `Xavier()` 。
+  - **learning_rate** (float32) - 学习率，优化过程 :math:`global\_lr∗parameter\_lr∗scheduler\_factor` 的学习速率，默认为1.0。
+  - **regularizer** (WeightDecayRegularizer) - 正则化方法，例如 ``regularizer = fluid.regularizer.L2DecayRegularizer(regularization_coeff=0.1)`` 。默认为None，如果为None则对权重不做正则化。
+  - **trainable** (bool) - 可选，指明参数是否可训练，默认为True。
+  - **gradient_clip** - 梯度裁剪(Gradient Clipping)的方法，例如 ``gradient_clip = fluid.clip.GradientClipByNorm(clip_norm=2.0))`` 。默认为None，如果为None则对权重不做裁剪。
+  - **do_model_average** (bool) - 可选，指明参数是否需要模型平均化操作(Model Average)，默认为False。
 
-返回： empty program
 
 **代码示例**
 
 .. code-block:: python
-      
+
   import paddle.fluid as fluid
   data = fluid.layers.data(name="data", shape=[3, 32, 32], dtype="float32")
   fc = fluid.layers.fc(input=data,
                        size=1000,
                        param_attr=fluid.WeightNormParamAttr(
                                 dim=None,
-                                name='weight_norm_param'))
-
-
-
-
-
+                                name='weight_norm_param',
+                                initializer=fluid.initializer.ConstantInitializer(1.0),
+                                learning_rate=1.0,
+                                regularizer=fluid.regularizer.L2DecayRegularizer(regularization_coeff=0.1),
+                                trainable=True,
+                                gradient_clip=fluid.clip.GradientClipByNorm(clip_norm=2.0),
+                                do_model_average=False))