add API tags for static/dynamic graph only API (#1786)

doc/fluid/api_cn/backward_cn/append_backward_cn.rst

@@ -3,6 +3,8 @@
 append_backward
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.backward.append_backward(loss, parameter_list=None, no_grad_set=None, callbacks=None)
 
 该接口将向主程序（``main_program``）追加反向部分 。

doc/fluid/api_cn/backward_cn/gradients_cn.rst

@@ -3,6 +3,8 @@
 gradients
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.backward.gradients(targets, inputs, target_gradients=None, no_grad_set=None)
 
 将目标梯度反向传播到输入。

doc/fluid/api_cn/clip_cn/set_gradient_clip_cn.rst

@@ -3,6 +3,8 @@
 set_gradient_clip
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.clip.set_gradient_clip(clip, param_list=None, program=None)
 
 给指定参数做梯度裁剪。

doc/fluid/api_cn/dygraph_cn/BackwardStrategy_cn.rst

@@ -3,6 +3,8 @@
 BackwardStrategy
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.BackwardStrategy
 
 **注意：该API只在动态图下生效**

doc/fluid/api_cn/dygraph_cn/CosineDecay_cn.rst

@@ -3,6 +3,8 @@
 CosineDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.CosineDecay(learning_rate, step_each_epoch, epochs, begin=0, step=1, dtype='float32')
 
 该接口提供按余弦函数衰减学习率的功能。

doc/fluid/api_cn/dygraph_cn/ExponentialDecay_cn.rst

@@ -3,6 +3,8 @@
 ExponentialDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.ExponentialDecay(learning_rate, decay_steps, decay_rate, staircase=False, begin=0, step=1, dtype=’float32‘)
 
 该接口提供一种学习率按指数函数衰减的功能。

doc/fluid/api_cn/dygraph_cn/FC_cn.rst

@@ -3,6 +3,8 @@
 FC
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.FC(name_scope, size, num_flatten_dims=1, param_attr=None, bias_attr=None, act=None, is_test=False, dtype='float32')
 
 

doc/fluid/api_cn/dygraph_cn/InverseTimeDecay_cn.rst

@@ -3,6 +3,8 @@
 InverseTimeDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.InverseTimeDecay(learning_rate, decay_steps, decay_rate, staircase=False, begin=0, step=1, dtype='float32')
 
 该接口提供反时限学习率衰减的功能。

doc/fluid/api_cn/dygraph_cn/NaturalExpDecay_cn.rst

@@ -3,6 +3,8 @@
 NaturalExpDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.NaturalExpDecay(learning_rate, decay_steps, decay_rate, staircase=False, begin=0, step=1, dtype='float32')
 
 该接口提供按自然指数衰减学习率的功能。

doc/fluid/api_cn/dygraph_cn/NoamDecay_cn.rst

@@ -3,6 +3,8 @@
 NoamDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.NoamDecay(d_model, warmup_steps, begin=1, step=1, dtype='float32')
 
 该接口提供Noam衰减学习率的功能。

doc/fluid/api_cn/dygraph_cn/PiecewiseDecay_cn.rst

@@ -3,6 +3,8 @@
 PiecewiseDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.PiecewiseDecay(boundaries, values, begin, step=1, dtype='float32')
 
 该接口提供对初始学习率进行分段(piecewise)常数衰减的功能。

doc/fluid/api_cn/dygraph_cn/PolynomialDecay_cn.rst

@@ -3,6 +3,8 @@
 PolynomialDecay
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.PolynomialDecay(learning_rate, decay_steps, end_learning_rate=0.0001, power=1.0, cycle=False, begin=0, step=1, dtype='float32')
 
 该接口提供学习率按多项式衰减的功能。通过多项式衰减函数，使得学习率值逐步从初始的 ``learning_rate``，衰减到 ``end_learning_rate`` 。

doc/fluid/api_cn/dygraph_cn/TracedLayer_cn.rst

@@ -3,6 +3,8 @@
 TracedLayer
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:class:: paddle.fluid.dygraph.TracedLayer(program, parameters, feed_names, fetch_names)
 
 TracedLayer用于将前向动态图模型转换为静态图模型，主要用于将动态图保存后做在线C++预测。除此以外，用户也可使用转换后的静态图模型在Python端做预测，通常比原先的动态图性能更好。

doc/fluid/api_cn/dygraph_cn/guard_cn.rst

@@ -3,6 +3,8 @@
 guard
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:function:: paddle.fluid.dygraph.guard(place=None)
 
 通过with语句创建一个dygraph运行的context，执行context代码。

doc/fluid/api_cn/dygraph_cn/load_dygraph_cn.rst

@@ -3,6 +3,8 @@
 load_dygraph
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:function:: paddle.fluid.dygraph.load_dygraph(model_path)
 
 该接口尝试从磁盘中加载参数或优化器的 ``dict`` 。

doc/fluid/api_cn/dygraph_cn/save_dygraph_cn.rst

@@ -3,6 +3,8 @@
 save_dygraph
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:function:: paddle.fluid.dygraph.save_dygraph(state_dict, model_path)
 
 该接口将传入的参数或优化器的 ``dict`` 保存到磁盘上。

doc/fluid/api_cn/dygraph_cn/to_variable_cn.rst

@@ -3,6 +3,8 @@
 to_variable
 -------------------------------
 
+**注意：该API仅支持【动态图】模式**
+
 .. py:function:: paddle.fluid.dygraph.to_variable(value, name=None, zero_copy=None)
 
 该函数实现从numpy\.ndarray对象或者Variable对象创建一个 ``Variable`` 类型的对象。

doc/fluid/api_cn/executor_cn/Executor_cn.rst

@@ -3,6 +3,8 @@
 Executor
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. 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。

doc/fluid/api_cn/executor_cn/global_scope_cn.rst

@@ -3,6 +3,8 @@
 global_scope
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.global_scope()
 
 获取全局/默认作用域实例。很多API使用默认 ``global_scope`` ，例如 ``Executor.run`` 等。

doc/fluid/api_cn/executor_cn/scope_guard_cn.rst

@@ -3,6 +3,8 @@
 scope_guard
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.executor.scope_guard (scope)
 
 

doc/fluid/api_cn/fluid_cn/BuildStrategy_cn.rst

@@ -3,6 +3,8 @@
 BuildStrategy
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.BuildStrategy
 
 ``BuildStrategy`` 使用户更方便地控制[ ``ParallelExecutor`` ](../fluid_cn.html\#parallelexecutor)中计算图的建造方法，可通过设置 ``ParallelExecutor`` 中的 ``BuildStrategy`` 成员来实现此功能。

doc/fluid/api_cn/fluid_cn/CompiledProgram_cn.rst

@@ -3,6 +3,8 @@
 CompiledProgram
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.CompiledProgram(program_or_graph, build_strategy=None)
 
 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`` 。

doc/fluid/api_cn/fluid_cn/DataFeedDesc_cn.rst

@@ -3,6 +3,8 @@
 DataFeedDesc
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.DataFeedDesc(proto_file)
 
 描述训练数据的格式。输入是一个文件路径名，其内容是protobuf message。

doc/fluid/api_cn/fluid_cn/DataFeeder_cn.rst

@@ -3,6 +3,8 @@
 DataFeeder
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.DataFeeder(feed_list, place, program=None)
 
 

doc/fluid/api_cn/fluid_cn/ExecutionStrategy_cn.rst

@@ -3,6 +3,8 @@
 ExecutionStrategy
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.ExecutionStrategy
 
 通过设置 ``ExecutionStrategy`` 中的选项，用户可以对执行器的执行配置进行调整，比如设置执行器中线程池的大小等。

doc/fluid/api_cn/fluid_cn/Executor_cn.rst

@@ -4,6 +4,8 @@ Executor
 -------------------------------
 
 
+**注意：该API仅支持【静态图】模式**
+
 .. 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。

doc/fluid/api_cn/fluid_cn/ParallelExecutor_cn.rst

@@ -3,6 +3,8 @@
 ParallelExecutor
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. 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**。

doc/fluid/api_cn/fluid_cn/WeightNormParamAttr_cn.rst

@@ -3,6 +3,8 @@
 WeightNormParamAttr
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. 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)
 
 

doc/fluid/api_cn/fluid_cn/create_random_int_lodtensor_cn.rst

@@ -4,6 +4,8 @@
 create_random_int_lodtensor
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.create_random_int_lodtensor(recursive_seq_lens, base_shape, place, low, high)
 
 创建一个包含随机整数的LoDTensor。

doc/fluid/api_cn/fluid_cn/data_cn.rst

@@ -3,6 +3,8 @@
 data
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.data(name, shape, dtype='float32', lod_level=0)
 
 该OP会在全局block中创建变量（Variable），该全局变量可被计算图中的算子（operator）访问。该变量可作为占位符用于数据输入。例如用执行器（Executor）feed数据进该变量

doc/fluid/api_cn/fluid_cn/embedding_cn.rst

@@ -3,6 +3,8 @@
 embedding
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.embedding(input, size, is_sparse=False, is_distributed=False, padding_idx=None, param_attr=None, dtype='float32')
 
 该OP根据input中的id信息从embedding矩阵中查询对应embedding信息，函数会根据输入的size (vocab_size, emb_size)和dtype自动构造一个二维embedding矩阵。

doc/fluid/api_cn/fluid_cn/global_scope_cn.rst

@@ -3,6 +3,8 @@
 global_scope
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.global_scope()
 
 获取全局/默认作用域实例。很多API使用默认 ``global_scope`` ，例如 ``Executor.run`` 等。

doc/fluid/api_cn/fluid_cn/gradients_cn.rst

@@ -3,6 +3,8 @@
 gradients
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.gradients(targets, inputs, target_gradients=None, no_grad_set=None)
 
 将目标梯度反向传播到输入。

doc/fluid/api_cn/fluid_cn/memory_optimize_cn.rst

@@ -3,6 +3,8 @@
 memory_optimize
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.memory_optimize(input_program, skip_opt_set=None, print_log=False, level=0, skip_grads=True)
 
 **从1.6版本开始此接口不再推荐使用，请不要在新写的代码中使用它，1.6+版本已默认开启更优的存储优化策略**

doc/fluid/api_cn/fluid_cn/name_scope_cn.rst

@@ -3,6 +3,8 @@
 name_scope
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.name_scope(prefix=None)
 
 

doc/fluid/api_cn/fluid_cn/program_guard_cn.rst

@@ -3,6 +3,8 @@
 program_guard
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.program_guard(main_program, startup_program=None)
 
 该接口应配合使用python的 ``with`` 语句来将 ``with`` block 里的算子和变量添加进指定的全局主程序（main program）和启动程序（startup program）。

doc/fluid/api_cn/fluid_cn/release_memory_cn.rst

@@ -3,6 +3,8 @@
 release_memory
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.release_memory(input_program, skip_opt_set=None)
 
 **从1.6版本开始此接口不再推荐使用，请不要在新写的代码中使用它，1.6+版本已默认开启更优的存储优化策略**

doc/fluid/api_cn/fluid_cn/scope_guard_cn.rst

@@ -3,6 +3,8 @@
 scope_guard
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.scope_guard(scope)
 
 

doc/fluid/api_cn/io_cn/load_cn.rst

@@ -3,6 +3,8 @@
 load
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.load(program, model_path)
 
 该接口从Program中过滤出参数和优化器信息，然后从文件中获取相应的值。

doc/fluid/api_cn/io_cn/load_inference_model_cn.rst

@@ -3,6 +3,8 @@
 load_inference_model
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.load_inference_model(dirname, executor, model_filename=None, params_filename=None, pserver_endpoints=None)
 
 从指定文件路径中加载预测模型(Inference Model)，即调用该接口可获得模型结构（Inference Program）和模型参数。若只想加载预训练后的模型参数，请使用 :ref:`cn_api_fluid_io_load_params` 接口。更多细节请参考 :ref:`api_guide_model_save_reader` 。

doc/fluid/api_cn/io_cn/load_params_cn.rst

@@ -3,6 +3,8 @@
 load_params
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.load_params(executor, dirname, main_program=None, filename=None)
 
 该接口从指定的 ``main_program`` 中筛选出所有模型参数变量，并根据目录 ``dirname``  或 ``filename`` 提供的参数文件对这些模型参数进行赋值。

doc/fluid/api_cn/io_cn/load_persistables_cn.rst

@@ -3,6 +3,8 @@
 load_persistables
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.load_persistables(executor, dirname, main_program=None, filename=None)
 
 该接口从给定的 ``main_program`` 中取出所有 ``persistable==True`` 的变量（即持久性变量，详见 :ref:`api_guide_model_save_reader` ），并根据目录 ``dirname``  或 ``filename`` 提供的参数文件对这些持久性变量进行赋值。

doc/fluid/api_cn/io_cn/save_cn.rst

@@ -3,6 +3,8 @@
 save
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.save(program, model_path)
 
 该接口将传入的参数、优化器信息和网络描述保存到 ``model_path`` 。

doc/fluid/api_cn/io_cn/save_inference_model_cn.rst

@@ -3,6 +3,8 @@
 save_inference_model
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.save_inference_model(dirname, feeded_var_names, target_vars, executor, main_program=None, model_filename=None, params_filename=None, export_for_deployment=True,  program_only=False)
 
 修剪指定的 ``main_program`` 以构建一个专门用于预测的 ``Inference Program`` （ ``Program`` 含义详见 :ref:`api_guide_Program` ）。 所得到的 ``Inference Program`` 及其对应的所有相关参数均被保存到 ``dirname`` 指定的目录中。若只想保存训练后的模型参数，请使用 :ref:`cn_api_fluid_io_save_params` 接口。更多细节请参考 :ref:`api_guide_model_save_reader` 。

doc/fluid/api_cn/io_cn/save_params_cn.rst

@@ -3,6 +3,8 @@
 save_params
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.save_params(executor, dirname, main_program=None, filename=None)
 
 该OP从 ``main_program`` 中取出所有参数，然后将它们保存到 ``dirname`` 目录下或名为 ``filename`` 的文件中。

doc/fluid/api_cn/io_cn/save_persistables_cn.rst

@@ -3,6 +3,8 @@
 save_persistables
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.save_persistables(executor, dirname, main_program=None, filename=None)
 
 该OP从给定 ``main_program`` 中取出所有持久性变量（详见 :ref:`api_guide_model_save_reader` ），然后将它们保存到目录 ``dirname`` 中或 ``filename`` 指定的文件中。

doc/fluid/api_cn/io_cn/save_vars_cn.rst

@@ -3,6 +3,8 @@
 save_vars
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.io.save_vars(executor, dirname, main_program=None, vars=None, predicate=None, filename=None)
 
 该接口将 ``Program`` 的变量保存到文件中。

doc/fluid/api_cn/layers_cn/BeamSearchDecoder_cn.rst

@@ -4,6 +4,8 @@ BeamSearchDecoder
 -------------------------------
 
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.BeamSearchDecoder(cell, start_token, end_token, beam_size, embedding_fn=None, output_fn=None)
     
 带beam search解码策略的解码器。该接口包装一个cell来计算概率，然后执行一个beam search步骤计算得分，并为每个解码步骤选择候选输出。更多详细信息请参阅 `Beam search <https://en.wikipedia.org/wiki/Beam_search>`_

doc/fluid/api_cn/layers_cn/Decoder_cn.rst

@@ -4,6 +4,8 @@ Decoder
 -------------------------------
 
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.Decoder()
 
     

doc/fluid/api_cn/layers_cn/DynamicRNN_cn.rst

@@ -3,6 +3,8 @@
 DynamicRNN
 ===================
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.DynamicRNN(name=None)
 
 **注意：该类型的输入仅支持LoDTensor，如果您需要处理的输入数据是Tensor类型，

doc/fluid/api_cn/layers_cn/GRUCell_cn.rst

@@ -3,6 +3,8 @@
 GRUCell
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.GRUCell(hidden_size, param_attr=None, bias_attr=None, gate_activation=None, activation=None, dtype="float32", name="GRUCell")
     
 门控循环单元（Gated Recurrent Unit）。通过对 :code:`fluid.contrib.layers.rnn_impl.BasicGRUUnit` 包装，来让它可以应用于RNNCell。

doc/fluid/api_cn/layers_cn/IfElse_cn.rst

@@ -3,6 +3,8 @@
 IfElse
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.IfElse(cond, name=None)
 
 该类用于实现IfElse分支控制功能， IfElse包含两个Block，true_block，false_block，IfElse会将满足True或False条件的数据分别放入不同的block运行。    

doc/fluid/api_cn/layers_cn/LSTMCell_cn.rst

@@ -4,6 +4,8 @@ LSTMCell
 -------------------------------
 
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.LSTMCell(hidden_size, param_attr=None, bias_attr=None, gate_activation=None, activation=None, forget_bias=1.0, dtype="float32", name="LSTMCell")
     
 长短期记忆单元（Long-Short Term Memory）。通过对 :code:`fluid.contrib.layers.rnn_impl.BasicLSTMUnit` 包装，来让它可以应用于RNNCell。    

doc/fluid/api_cn/layers_cn/Print_cn.rst

@@ -3,6 +3,8 @@
 Print
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.Print(input, first_n=-1, message=None, summarize=20, print_tensor_name=True, print_tensor_type=True, print_tensor_shape=True, print_tensor_lod=True, print_phase='both')
 
 **Print操作命令**

doc/fluid/api_cn/layers_cn/RNNCell_cn.rst

@@ -4,6 +4,8 @@ RNNCell
 -------------------------------
 
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.RNNCell(name=None)
 RNNCell是抽象的基类，代表将输入和状态映射到输出和新状态的计算，主要用于RNN。
 

doc/fluid/api_cn/layers_cn/StaticRNN_cn.rst

@@ -3,6 +3,8 @@
 StaticRNN
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.StaticRNN(name=None)
 
 该OP用来处理一批序列数据，其中每个样本序列的长度必须相等。StaticRNN将序列按照时间步长展开，用户需要定义每个时间步中的处理逻辑。

doc/fluid/api_cn/layers_cn/Switch_cn.rst

@@ -3,6 +3,8 @@
 Switch
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.Switch (name=None)
 
 该类用于实现Switch分支控制功能。Switch分支包含多个case分支和一个default分支，Switch控制流会依次检查各case分支条件是否满足，并仅执行第一个满足条件的case分支后面的语句。若不存在满足条件的case分支，则仅执行default分支后面的语句。

doc/fluid/api_cn/layers_cn/While_cn.rst

@@ -3,6 +3,8 @@
 While
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:class:: paddle.fluid.layers.While (cond, is_test=False, name=None)
 
 

doc/fluid/api_cn/layers_cn/autoincreased_step_counter_cn.rst

@@ -3,6 +3,8 @@
 autoincreased_step_counter
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.autoincreased_step_counter(counter_name=None, begin=1, step=1)
 
 创建一个自增变量，每个迭代累加一次，默认首次返回值为 1，默认累加步长为 1。

doc/fluid/api_cn/layers_cn/batch_norm_cn.rst

@@ -3,6 +3,8 @@
 batch_norm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.batch_norm(input, act=None, is_test=False, momentum=0.9, epsilon=1e-05, param_attr=None, bias_attr=None, data_layout='NCHW', in_place=False, name=None, moving_mean_name=None, moving_variance_name=None, do_model_average_for_mean_and_var=False, use_global_stats=False)
 
 批正则化层（Batch Normalization Layer）

doc/fluid/api_cn/layers_cn/bilinear_tensor_product_cn.rst

@@ -3,6 +3,8 @@
 bilinear_tensor_product
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.bilinear_tensor_product(x, y, size, act=None, name=None, param_attr=None, bias_attr=None)
 
 该层对两个输入执行双线性张量积。

doc/fluid/api_cn/layers_cn/case_cn.rst

@@ -3,6 +3,8 @@
 case
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.case(pred_fn_pairs, default=None, name=None)
 
 该OP的运行方式类似于python的if-elif-elif-else。

doc/fluid/api_cn/layers_cn/center_loss_cn.rst

@@ -3,6 +3,8 @@
 center_loss
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.center_loss(input, label, num_classes, alpha, param_attr, update_center=True)
 
 该OP接收一个来自于最后一个隐藏层的输出和目标标签作为输入，返回损失值。为每一个类别提供一个类别中心，计算mini-batch中每个样本与对应类别中心的距离的平均值作为center loss。

doc/fluid/api_cn/layers_cn/cond_cn.rst

@@ -3,6 +3,8 @@
 cond
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.cond(pred, true_fn=None, false_fn=None, name=None)
 
 如果 ``pred`` 是 ``True`` ，该API返回 ``true_fn()`` ，否则返回 ``false_fn()`` 。

doc/fluid/api_cn/layers_cn/conv2d_cn.rst

@@ -3,6 +3,8 @@
 conv2d
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.conv2d(input, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, data_format="NCHW")
 
 该OP是二维卷积层（convolution2D layer），根据输入、滤波器、步长（stride）、填充（padding）、膨胀比例（dilations）一组参数计算输出特征层大小。输入和输出是NCHW或NHWC格式，其中N是批尺寸，C是通道数，H是特征高度，W是特征宽度。滤波器是MCHW格式，M是输出图像通道数，C是输入图像通道数，H是滤波器高度，W是滤波器宽度。如果组数(groups)大于1，C等于输入图像通道数除以组数的结果。详情请参考UFLDL's : `卷积 <http://ufldl.stanford.edu/tutorial/supervised/FeatureExtractionUsingConvolution/>`_ 。如果bias_attr不为False，卷积计算会添加偏置项。如果指定了激活函数类型，相应的激活函数会作用在最终结果上。

doc/fluid/api_cn/layers_cn/conv2d_transpose_cn.rst

@@ -3,6 +3,8 @@
 conv2d_transpose
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.conv2d_transpose(input, num_filters, output_size=None, filter_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, data_format='NCHW')
 
 二维转置卷积层（Convlution2D transpose layer）

doc/fluid/api_cn/layers_cn/conv3d_cn.rst

@@ -3,6 +3,8 @@
 conv3d
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.conv3d(input, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, data_format="NCDHW")
 
 该OP是三维卷积层（convolution3D layer），根据输入、滤波器、步长（stride）、填充（padding）、膨胀比例（dilations）一组参数计算得到输出特征层大小。输入和输出是NCDHW或NDWHC格式，其中N是批尺寸，C是通道数，D是特征层深度，H是特征层高度，W是特征层宽度。三维卷积（Convlution3D）和二维卷积（Convlution2D）相似，但多了一维深度信息（depth）。如果bias_attr不为False，卷积计算会添加偏置项。如果指定了激活函数类型，相应的激活函数会作用在最终结果上。

doc/fluid/api_cn/layers_cn/conv3d_transpose_cn.rst

@@ -3,6 +3,8 @@
 conv3d_transpose
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.conv3d_transpose(input, num_filters, output_size=None, filter_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, data_format='NCDHW')
 
 三维转置卷积层（Convlution3D transpose layer)

doc/fluid/api_cn/layers_cn/create_parameter_cn.rst

@@ -3,6 +3,8 @@
 create_parameter
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.create_parameter(shape,dtype,name=None,attr=None,is_bias=False,default_initializer=None)
 
 该OP创建一个参数。该参数是一个可学习的变量, 拥有梯度并且可优化。

doc/fluid/api_cn/layers_cn/create_py_reader_by_data_cn.rst

@@ -3,6 +3,8 @@
 create_py_reader_by_data
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.create_py_reader_by_data(capacity,feed_list,name=None,use_double_buffer=True)
 
 创建一个Python端提供数据的reader。该OP与 :ref:`cn_api_fluid_layers_py_reader` 类似，不同点在于它能够从feed变量列表读取数据。

doc/fluid/api_cn/layers_cn/crf_decoding_cn.rst

@@ -3,6 +3,8 @@
 crf_decoding
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function::  paddle.fluid.layers.crf_decoding(input, param_attr, label=None, length=None)
 
 

doc/fluid/api_cn/layers_cn/data_cn.rst

@@ -3,6 +3,8 @@
 data
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.data(name, shape, append_batch_size=True, dtype='float32', lod_level=0, type=VarType.LOD_TENSOR, stop_gradient=True)
 
 该OP会在全局block中创建变量（Variable），该全局变量可被计算图中的算子（operator）访问。

doc/fluid/api_cn/layers_cn/data_norm_cn.rst

@@ -3,6 +3,8 @@
 data_norm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.data_norm(input, act=None, epsilon=1e-05, param_attr=None, data_layout='NCHW', in_place=False, name=None, moving_mean_name=None, moving_variance_name=None, do_model_average_for_mean_and_var=False)
 
 **数据正则化层**

doc/fluid/api_cn/layers_cn/deformable_conv_cn.rst

@@ -3,6 +3,8 @@
 deformable_conv
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.deformable_conv(input, offset, mask, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, deformable_groups=None, im2col_step=None, param_attr=None, bias_attr=None, modulated=True, name=None)
 
 **可变形卷积算子**

doc/fluid/api_cn/layers_cn/dynamic_gru_cn.rst

@@ -3,6 +3,8 @@
 dynamic_gru
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function::  paddle.fluid.layers.dynamic_gru(input, size, param_attr=None, bias_attr=None, is_reverse=False, gate_activation='sigmoid', candidate_activation='tanh', h_0=None, origin_mode=False)
 
 

doc/fluid/api_cn/layers_cn/dynamic_lstm_cn.rst

@@ -3,6 +3,8 @@
 dynamic_lstm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function::  paddle.fluid.layers.dynamic_lstm(input, size, h_0=None, c_0=None, param_attr=None, bias_attr=None, use_peepholes=True, is_reverse=False, gate_activation='sigmoid', cell_activation='tanh', candidate_activation='tanh', dtype='float32', name=None)
 
 该OP实现了 LSTM，即 Long-Short Term Memory（长短期记忆）运算 - `Hochreiter, S., & Schmidhuber, J. (1997) <http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf>`_。

doc/fluid/api_cn/layers_cn/dynamic_lstmp_cn.rst

@@ -2,6 +2,8 @@
 
 dynamic_lstmp
 -------------------------------
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.dynamic_lstmp(input, size, proj_size, param_attr=None, bias_attr=None, use_peepholes=True, is_reverse=False, gate_activation='sigmoid', cell_activation='tanh', candidate_activation='tanh', proj_activation='tanh', dtype='float32', name=None, h_0=None, c_0=None, cell_clip=None, proj_clip=None)
 
 .. note::

doc/fluid/api_cn/layers_cn/embedding_cn.rst

@@ -3,6 +3,8 @@
 embedding
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.embedding(input, size, is_sparse=False, is_distributed=False, padding_idx=None, param_attr=None, dtype='float32')
 
 嵌入层(Embedding Layer)

doc/fluid/api_cn/layers_cn/fc_cn.rst

@@ -3,6 +3,8 @@
 fc
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function::  paddle.fluid.layers.fc(input, size, num_flatten_dims=1, param_attr=None, bias_attr=None, act=None, name=None)
 
 

doc/fluid/api_cn/layers_cn/group_norm_cn.rst

@@ -3,6 +3,8 @@
 group_norm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function::  paddle.fluid.layers.group_norm(input, groups, epsilon=1e-05, param_attr=None, bias_attr=None, act=None, data_layout='NCHW', name=None)
 
 参考论文： `Group Normalization <https://arxiv.org/abs/1803.08494>`_

doc/fluid/api_cn/layers_cn/gru_unit_cn.rst

@@ -3,6 +3,8 @@
 gru_unit
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.gru_unit(input, hidden, size, param_attr=None, bias_attr=None, activation='tanh', gate_activation='sigmoid', origin_mode=False)
 
 Gated Recurrent Unit（GRU）循环神经网络计算单元。该OP用于完成单个时间步内GRU的计算，支持以下两种计算方式：

doc/fluid/api_cn/layers_cn/hsigmoid_cn.rst

@@ -3,6 +3,8 @@
 hsigmoid
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.hsigmoid(input, label, num_classes, param_attr=None, bias_attr=None, name=None, path_table=None, path_code=None, is_custom=False, is_sparse=False)
 
 层次sigmoid（hierarchical sigmoid），该OP通过构建一个分类二叉树来降低计算复杂度，主要用于加速语言模型的训练过程。

doc/fluid/api_cn/layers_cn/im2sequence_cn.rst

@@ -3,6 +3,8 @@
 im2sequence
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.im2sequence(input, filter_size=1, stride=1, padding=0, input_image_size=None, out_stride=1, name=None)
 
 该OP使用 `filter` 扫描输入的Tensor并将输入Tensor转换成序列，返回值的 `shape={input.batch_size * output_height * output_width, filter_size_height* filter_size_width * input.channels}` 。返回值的timestep的个数为 `output_height * output_width` ， 每个timestep的维度是 `filter_size_height* filter_size_width * input.channels` 。其中 `output_height` 和 `output_width` 由以下式计算:

doc/fluid/api_cn/layers_cn/instance_norm_cn.rst

@@ -3,6 +3,8 @@
 instance_norm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.instance_norm(input, epsilon=1e-05, param_attr=None, bias_attr=None, name=None)
 
 

doc/fluid/api_cn/layers_cn/layer_norm_cn.rst

@@ -3,6 +3,8 @@
 layer_norm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.layer_norm(input, scale=True, shift=True, begin_norm_axis=1, epsilon=1e-05, param_attr=None, bias_attr=None, act=None, name=None)
 
 该OP实现了层归一化层（Layer Normalization Layer），其可以应用于小批量输入数据。更多详情请参考：`Layer Normalization <https://arxiv.org/pdf/1607.06450v1.pdf>`_

doc/fluid/api_cn/layers_cn/linear_chain_crf_cn.rst

@@ -3,6 +3,8 @@
 linear_chain_crf
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.linear_chain_crf(input, label, param_attr=None, length=None)
 
 线性链条件随机场（Linear Chain CRF）

doc/fluid/api_cn/layers_cn/lstm_cn.rst

@@ -3,6 +3,8 @@
 lstm
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function::  paddle.fluid.layers.lstm(input, init_h, init_c, max_len, hidden_size, num_layers, dropout_prob=0.0, is_bidirec=False, is_test=False, name=None, default_initializer=None, seed=-1)
 
 .. note::

doc/fluid/api_cn/layers_cn/lstm_unit_cn.rst

@@ -3,6 +3,8 @@
 lstm_unit
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.lstm_unit(x_t, hidden_t_prev, cell_t_prev, forget_bias=0.0, param_attr=None, bias_attr=None, name=None)
 
 

doc/fluid/api_cn/layers_cn/multi_box_head_cn.rst

@@ -3,6 +3,8 @@
 multi_box_head
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.multi_box_head(inputs, image, base_size, num_classes, aspect_ratios, min_ratio=None, max_ratio=None, min_sizes=None, max_sizes=None, steps=None, step_w=None, step_h=None, offset=0.5, variance=[0.1, 0.1, 0.2, 0.2], flip=True, clip=False, kernel_size=1, pad=0, stride=1, name=None, min_max_aspect_ratios_order=False)
 
 基于SSD（Single Shot MultiBox Detector）算法，在不同层输入特征上提取先验框、计算回归的坐标位置和分类的置信度，并合并到一起作为输出，具体参数解释和输出格式参考下面说明。更详细信息，请参阅SSD论文 `SSD：Single Shot MultiBox Detector <https://arxiv.org/abs/1512.02325>`_ 的2.2节。

doc/fluid/api_cn/layers_cn/nce_cn.rst

@@ -3,6 +3,8 @@
 nce
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.nce(input, label, num_total_classes, sample_weight=None, param_attr=None, bias_attr=None, num_neg_samples=None, name=None, sampler='uniform', custom_dist=None, seed=0, is_sparse=False)
 
 计算并返回噪音对比估计损失值（ noise-contrastive estimation training loss）。

doc/fluid/api_cn/layers_cn/prelu_cn.rst

@@ -3,6 +3,8 @@
 prelu
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.prelu(x, mode, param_attr=None, name=None)
 
 等式：

doc/fluid/api_cn/layers_cn/py_func_cn.rst

@@ -3,6 +3,8 @@
 py_func
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.py_func(func, x, out, backward_func=None, skip_vars_in_backward_input=None)
 
 PaddlePaddle Fluid通过py_func在Python端注册OP。py_func的设计原理在于Paddle中的LodTensor与numpy数组可以方便的互相转换，从而可使用Python中的numpy API来自定义一个Python OP。

doc/fluid/api_cn/layers_cn/py_reader_cn.rst

@@ -3,6 +3,8 @@
 py_reader
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.py_reader(capacity, shapes, dtypes, lod_levels=None, name=None, use_double_buffer=True)
 
 

doc/fluid/api_cn/layers_cn/read_file_cn.rst

@@ -3,6 +3,8 @@
 read_file
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.read_file(reader)
 
 从给定的reader中读取数据

doc/fluid/api_cn/layers_cn/row_conv_cn.rst

@@ -3,6 +3,8 @@
 row_conv
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.row_conv(input, future_context_size, param_attr=None, act=None)
 
 该接口为行卷积（Row-convolution operator）或称之为超前卷积（lookahead convolution），最早介绍于DeepSpeech2论文中，论文链接：

doc/fluid/api_cn/layers_cn/sequence_concat_cn.rst

@@ -3,6 +3,8 @@
 sequence_concat
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.sequence_concat(input, name=None)
 
 **注意：该OP的输入只能是LoDTensor，如果您需要处理的输入是Tensor类型，请使用concat函数（fluid.layers.** :ref:`cn_api_fluid_layers_concat` **）。**

doc/fluid/api_cn/layers_cn/sequence_conv_cn.rst

@@ -3,6 +3,8 @@
 sequence_conv
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.sequence_conv(input, num_filters, filter_size=3, filter_stride=1, padding=True, padding_start=None, bias_attr=None, param_attr=None, act=None, name=None)
 
 **注意：该OP的输入只能是LoDTensor，如果您需要处理的输入是Tensor类型，请使用conv2d函数（fluid.layers.** :ref:`cn_api_fluid_layers_conv2d` **）。**

doc/fluid/api_cn/layers_cn/sequence_enumerate_cn.rst

@@ -3,6 +3,8 @@
 sequence_enumerate
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.sequence_enumerate(input, win_size, pad_value=0, name=None)
 
 枚举形状为 ``[d_1, 1]`` 的输入序列所有长度为 ``win_size`` 的子序列，生成一个形状为 ``[d_1, win_size]`` 的新序列，需要时以 ``pad_value`` 填充。

doc/fluid/api_cn/layers_cn/sequence_expand_as_cn.rst

@@ -3,6 +3,8 @@
 sequence_expand_as
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.sequence_expand_as(x, y, name=None)
 
 Sequence Expand As Layer，该OP根据输入 ``y`` 的第0级lod对输入 ``x`` 进行扩展。当前实现要求 ``y`` 的lod层数（level）必须为1，且 ``x`` 的第一维必须和 ``y`` 的第0层lod大小相同，所以扩展后的LodTensor具有和 ``y`` 相同的lod。扩展结果与输入 ``x`` 的lod无关，所以无需考虑 ``x`` 的lod。

doc/fluid/api_cn/layers_cn/sequence_expand_cn.rst

@@ -3,6 +3,8 @@
 sequence_expand
 -------------------------------
 
+**注意：该API仅支持【静态图】模式**
+
 .. py:function:: paddle.fluid.layers.sequence_expand(x, y, ref_level=-1, name=None)
 
 序列扩张层（Sequence Expand Layer)，根据输入 ``y`` 的第 ``ref_level`` 层lod对输入 ``x`` 进行扩展。 ``x`` 的lod level最多为1，若 ``x`` 的lod level为1，则 ``x`` 的lod大小必须与 ``y`` 的第 ``ref_level`` 层lod大小相等；若 ``x`` 的lod level为0，则 ``x`` 的第一维大小必须与 ``y`` 第 ``ref_level`` 层大小相等。 ``x`` 的秩最少为2，当 ``x`` 的秩大于2时，将被当作是一个二维张量处理。