Fix format

doc/fluid/api/api_guides/index.rst

@@ -12,5 +12,4 @@ API使用指南
     low_level/metrics.rst
     low_level/model_save_reader.rst
     low_level/inference.rst
-  
-  
+    low_level/parameter.rst

doc/fluid/api/api_guides/low_level/parameter.rst

@@ -4,7 +4,7 @@
 Parameter
 #########
 
-我将模型中的weight和bias统称为parameter, 在fluid中对应class fluid.Parameter. fluid.Parameter继承自fluid.Variable, 是一种可持久化的variable. 模型的训练就是不断学习更新parameters的过程。Parameter相关的属性可以通过 :ref:`api_fluid_param_attr` 来配置，可配置内容有：
+我将模型中的weight和bias统称为parameter, 在fluid中对应class fluid.Parameter. fluid.Parameter继承自fluid.Variable, 是一种可持久化的variable. 模型的训练就是不断学习更新parameters的过程。Parameter相关的属性可以通过 :ref:`api_fluid_param_attr_ParamAttr` 来配置，可配置内容有：
 
 - 初始化方式
 - 正则化
@@ -28,44 +28,65 @@ fluid通过设置 :code:`ParamAttr` 的 :code:`initializer` 属性为单个param
 
 1. BilinearInitializer
 -----------------------
+
 线性初始化方法。用该方法初始化的反卷积操作可当做线性插值操作使用。
+
 可用别名：Bilinear
+
 API请参考：:ref:`api_fluid_initializer_BilinearInitializer`
 
 2. ConstantInitializer
 ----------------------
+
 常数初始化方式，将parameter初始化为指定的数值。
+
 可用别名：Constant
+
 API请参考：:ref:`api_fluid_initializer_ConstantInitializer`
 
 3. MSRAInitializer
 ------------------
+
 该初始化方法参考论文: https://arxiv.org/abs/1502.01852
+
 可用别名：MSRA
+
 API请参考：:ref:`api_fluid_initializer_MSRAInitializer`
 
 4. NormalInitializer
 ---------------------
+
 随机高斯分布初始化方法。
+
 可用别名：Normal
+
 API请参考：:ref:`api_fluid_initializer_NormalInitializer`
 
 5. TruncatedNormalInitializer
 -----------------------------
+
 随机截断高斯分布初始化方法。
+
 可用别名：TruncatedNormal
+
 API请参考：:ref:`api_fluid_initializer_TruncatedNormalInitializer`
 
 6. UniformInitializer
 --------------------
+
 随机均匀分布初始化方式。
+
 可用别名：Uniform
+
 API请参考：:ref:`api_fluid_initializer_UniformInitializer`
 
 7. XavierInitializer
 --------------------
+
 该初始化方式参考论文: http://proceedings.mlr.press/v9/glorot10a/glorot10a.pdf
+
 可用别名：Xavier
+
 API请参考：:ref:`api_fluid_initializer_XavierInitializer`
 
 正则化方式
@@ -81,8 +102,8 @@ fluid通过设置 :code:`ParamAttr` 的 :code:`regularizer` 属性为单个param
 
 以下为fluid支持的正则化方式：
 
-- :ref:`L1DecayRegularizer` (别名：L1Decay)
-- :ref:`L2DecayRegularizer` (别名：L2Decay)
+- :ref:`api_fluid_regularizer_L1DecayRegularizer` (别名：L1Decay)
+- :ref:`api_fluid_regularizer_L2DecayRegularizer` (别名：L2Decay)
 
 Clipping
 ==========
@@ -100,23 +121,31 @@ fluid通过设置 :code:`ParamAttr` 的 :code:`gradient_clip` 属性为单个par
 
 1. ErrorClipByValue
 -------------------
+
 用来将一个tensor的值clipping到指定范围。
+
 API请参考：:ref:`api_fluid_clip_ErrorClipByValue`
 
 2. GradientClipByGlobalNorm
 ---------------------------
+
 用来将多个Tensor的global-norm限制在 :code:`clip_norm` 以内。
+
 API请参考：:ref:`api_fluid_clip_GradientClipByGlobalNorm`
 
 3. GradientClipByNorm
 ---------------------
-将Tensor的l2-norm限制在 :code:`max_norm` 以内。如果Tensor的l2-norm超过了 :code:`max_norm` ，会将计算出一个:code:`scale` ，该Tensor的所有值乘上计算出来的:code:`scale`.
-API请参考：:ref:`api_fluid_clip_GradientClipByNorm`
 
+将Tensor的l2-norm限制在 :code:`max_norm` 以内。如果Tensor的l2-norm超过了 :code:`max_norm` ，
+会将计算出一个 :code:`scale` ，该Tensor的所有值乘上计算出来的 :code:`scale` .
+
+API请参考：:ref:`api_fluid_clip_GradientClipByNorm`
 
 4. GradientClipByValue
 ----------------------
+
 将parameter对应的gradient的值限制在[min, max]范围内。
+
 API请参考：:ref:`api_fluid_clip_GradientClipByValue`
 
 模型平均
@@ -132,5 +161,7 @@ fluid通过 :code:`ParamAttr` 的 :code:`do_model_average` 属性设置单个par
       y_predict = fluid.layers.fc(input=x, size=10, param_attr=param_attrs)
 
 在miniBatch训练过程中，每个batch过后，都会更新一次parameters, paddle model average做的就是平均最近k次更新产生的parameters.
+
 平均后的parameters只是被用来进行测试和预测，其并不参与实际的训练过程。
-具体API请参考：:code:`paddle_fluid_optimizer_ModelAverage`
+
+具体API请参考：:ref:`api_fluid_optimizer_ModelAverage`