add DpsgdOptimizer zh doc (#1770)

* add DpsgdOptimizer zh doc test=develop

* modify api_white_list test=develop

* add update way test=develop

* fix comma in parameters test=develop

doc/fluid/api_cn/optimizer_cn/DpsgdOptimizer_cn.rst

+.. _cn_api_fluid_optimizer_DpsgdOptimizer:
+
+DpsgdOptimizer
+-------------------------------
+
+.. py:class:: paddle.fluid.optimizer.DpsgdOptimizer(learning_rate=0.001, clip=0.9, batch_size=0.999, sigma=1e-8)
+
+Dpsgd优化器是参考CCS16论文 `《Deep Learning with Differential Privacy》 <https://arxiv.org/abs/1607.00133>`_ 相关内容实现的。
+
+其参数更新的计算公式如下:
+
+.. math::
+    g\_clip_t = \frac{g_t}{\max{(1, \frac{||g_t||^2}{clip})}}\\
+.. math::
+    g\_noise_t = g\_clip_t + \frac{gaussian\_noise(\sigma)}{batch\_size}\\
+.. math::
+    param\_out=param−learning\_rate*g\_noise_t
+
+
+参数：
+  - **learning_rate** (float|Variable，可选) - 学习率，用于参数更新的计算。可以是一个浮点型值或者一个值为浮点型的Variable，默认值为0.001
+  - **clip** (float， 可选) - 裁剪梯度的L2正则项值的阈值下界，若梯度L2正则项值小于clip，则取clip作为梯度L2正则项值，默认值为0.9
+  - **batch_size** (float， 可选) - 每个batch训练的样本数，默认值为0.999
+  - **sigma** (float， 可选) - 参数更新时，会在梯度后添加一个满足高斯分布的噪声。此为高斯噪声的方差，默认值为1e-08
+
+.. note::
+    目前 ``DpsgdOptimizer`` 不支持 Sparse Parameter Optimization（稀疏参数优化）。
+
+**代码示例**：
+
+.. code-block:: python
+
+    import paddle.fluid as fluid
+    import numpy
+
+    # First create the Executor.
+    place = fluid.CPUPlace() # fluid.CUDAPlace(0)
+    exe = fluid.Executor(place)
+
+    train_program = fluid.Program()
+    startup_program = fluid.Program()
+    with fluid.program_guard(train_program, startup_program):
+      data = fluid.layers.data(name='X', shape=[1], dtype='float32')
+      hidden = fluid.layers.fc(input=data, size=10)
+      loss = fluid.layers.mean(hidden)
+      optimizer = fluid.optimizer.Dpsgd(learning_rate=0.01, clip=10.0, batch_size=16.0, sigma=1.0)
+      optimizer.minimize(loss)
+
+    # Run the startup program once and only once.
+    exe.run(startup_program)
+
+    x = numpy.random.random(size=(10, 1)).astype('float32')
+    outs = exe.run(program=train_program,
+                feed={'X': x},
+                 fetch_list=[loss.name])
+
+.. py:method:: minimize(loss, startup_program=None, parameter_list=None, no_grad_set=None, grad_clip=None)
+
+为网络添加反向计算过程，并根据反向计算所得的梯度，更新parameter_list中的Parameters，最小化网络损失值loss。
+
+参数：
+    - **loss** (Variable) – 需要最小化的损失值变量
+    - **startup_program** (Program， 可选) – 用于初始化parameter_list中参数的 :ref:`cn_api_fluid_Program` ， 默认值为None，此时将使用 :ref:`cn_api_fluid_default_startup_program`
+    - **parameter_list** (list， 可选) – 待更新的Parameter或者Parameter.name组成的列表， 默认值为None，此时将更新所有的Parameter
+    - **no_grad_set** (set， 可选) – 不需要更新的Parameter或者Parameter.name组成集合，默认值为None
+    - **grad_clip** (GradClipBase， 可选) – 梯度裁剪的策略，静态图模式不需要使用本参数，当前本参数只支持在dygraph模式下的梯度裁剪，未来本参数可能会调整，默认值为None
+
+返回： (optimize_ops, params_grads)，数据类型为(list, list)，其中optimize_ops是minimize接口为网络添加的OP列表，params_grads是一个由(param, grad)变量对组成的列表，param是Parameter，grad是该Parameter对应的梯度值
+
+**代码示例**：
+
+.. code-block:: python
+
+    import numpy
+    import paddle.fluid as fluid
+     
+    data = fluid.layers.data(name='X', shape=[1], dtype='float32')
+    hidden = fluid.layers.fc(input=data, size=10)
+    loss = fluid.layers.mean(hidden)
+    adam = fluid.optimizer.Dpsgd(learning_rate=0.2)
+    adam.minimize(loss)
+
+    place = fluid.CPUPlace() # fluid.CUDAPlace(0)
+    exe = fluid.Executor(place)
+     
+    x = numpy.random.random(size=(10, 1)).astype('float32')
+    exe.run(fluid.default_startup_program())
+    outs = exe.run(program=fluid.default_main_program(),
+                   feed={'X': x},
+                   fetch_list=[loss.name])
+
+
+
+
+
+
+
+

doc/fluid/api_cn/optimizer_cn/Dpsgd_cn.rst

+.. _cn_api_fluid_optimizer_Dpsgd:
+
+Dpsgd
+-------------------------------
+
+.. py:attribute:: paddle.fluid.optimizer.Dpsgd
+
+``DpsgdOptimizer`` 的别名
+
+
+
+
+
+

scripts/api_white_list.txt

@@ -5,3 +5,4 @@ transpiler_cn/HashName_cn.rst
 transpiler_cn/memory_optimize_cn.rst
 transpiler_cn/release_memory_cn.rst
 transpiler_cn/RoundRobin_cn.rst
+optimizer_cn/Dpsgd_cn.rst