refine name descrip and fluid.data. (#1466)

* refine name descrip. test=document_preview

doc/fluid/api_cn/layers_cn/adaptive_pool2d_cn.rst

@@ -29,7 +29,7 @@ adaptive_pool2d
   - **pool_size** （int|list|tuple） - 池化核大小。 如果池化核大小是元组或列表，则它必须包含两个整数（pool_size_Height，pool_size_Width。若为一个整数，则表示H和W维度上均为该值。
   - **pool_type** （string）- 池化类型，可输入“max”代表max-pooling，或者“avg”代表average-pooling。
   - **require_index** （bool） - 如果为False，则输出中带有最大池化点所在的索引。 如果pool_type为avg,该项不可被设置为True, 默认False。
-  - **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` ，默认值为None。
+  - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置。默认值：None。
 
 
 返回： Variable(Tensor) 自适应池化结果张量
@@ -60,8 +60,7 @@ adaptive_pool2d
     #             output[:, :, i, j] = avg(input[:, :, hstart: hend, wstart: wend])
     #
     import paddle.fluid as fluid
-    data = fluid.layers.data(
-        name='data', shape=[3, 32, 32], dtype='float32')
+    data = fluid.data(name='data', shape=[None, 3, 32, 32], dtype='float32')
     pool_out = fluid.layers.adaptive_pool2d(
                       input=data,
                       pool_size=[3, 3],
@@ -82,8 +81,7 @@ adaptive_pool2d
     #             output[:, :, i, j] = max(input[:, :, hstart: hend, wstart: wend])
     #
     import paddle.fluid as fluid
-    data = fluid.layers.data(
-        name='data', shape=[3, 32, 32], dtype='float32')
+    data = fluid.data(name='data', shape=[None, 3, 32, 32], dtype='float32')
     pool_out = fluid.layers.adaptive_pool2d(
                       input=data,
                       pool_size=[3, 3],

doc/fluid/api_cn/layers_cn/adaptive_pool3d_cn.rst

@@ -34,8 +34,8 @@ adaptive_pool3d
   - **input** （Variable） - 池化操作的输入张量，维度为 :math:`[N, C, D, H, W]` 的5-D Tensor。 输入张量的格式为NCDHW，其中N是batch大小，C是通道数，D为特征的深度，H是特征的高度，W是特征的宽度，数据类型为float32或float64。
   - **pool_size** （int|list|tuple） - 池化核大小。 如果池化核大小是元组或列表，则它必须包含三个整数（Depth, Height, Width）。若为一个整数，则表示D, H和W维度上均为该值。
   - **pool_type** （string）- 池化类型，可输入“max”代表max-pooling，或者“avg”代表average-pooling。
-  - **require_index** （bool, 默认False） - 如果为True，则输出中带有最大池化点所在的索引。 如果pool_type为avg,该项不可被设置为True。
-  - **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` ，默认值为None。
+  - **require_index** （bool） - 如果为True，则输出中带有最大池化点所在的索引。 如果pool_type为avg，该项不可被设置为True, 默认False。
+  - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置。默认值：None。
 
 
 返回： Variable(Tensor) 自适应池化结果张量
@@ -72,8 +72,7 @@ adaptive_pool3d
     
     import paddle.fluid as fluid
 
-    data = fluid.layers.data(
-    name='data', shape=[3, 32, 32, 32], dtype='float32')
+    data = fluid.data(name='data', shape=[None, 3, 32, 32, 32], dtype='float32')
     pool_out = fluid.layers.adaptive_pool3d(
                       input=data,
                       pool_size=[3, 3, 3],
@@ -100,8 +99,7 @@ adaptive_pool3d
     
     import paddle.fluid as fluid
 
-    data = fluid.layers.data(
-    name='data', shape=[3, 32, 32, 32], dtype='float32')
+    data = fluid.data(name='data', shape=[None, 3, 32, 32, 32], dtype='float32')
     pool_out = fluid.layers.adaptive_pool3d(
                       input=data,
                       pool_size=[3, 3, 3],

doc/fluid/api_cn/layers_cn/grid_sampler_cn.rst

@@ -52,7 +52,7 @@ step 2：
 参数：
   - **x** (Variable): 输入张量，维度为 :math:`[N, C, H, W]` 的4-D Tensor，N为批尺寸，C是通道数，H是特征高度，W是特征宽度, 数据类型为float32或float64。
   - **grid** (Variable): 输入网格数据张量，维度为 :math:`[N, H, W, 2]` 的4-D Tensor，N为批尺寸，C是通道数，H是特征高度，W是特征宽度, 数据类型为float32或float64。
-  - **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` ，默认值为None。
+  - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置。默认值：None。
 
 返回： Variable(Tensor): 输入X基于输入网格的双线性插值计算结果，维度为 :math:`[N, C, H, W]` 的4-D Tensor
 
@@ -63,7 +63,7 @@ step 2：
 .. code-block:: python
 
     # 一般与 affine_grid 组合使用
-    x = fluid.layers.data(name='x', shape=[10, 32, 32], dtype='float32')
+    x = fluid.data(name='x', shape=[None, 10, 32, 32], dtype='float32')
     theta = fluid.layers.data(name='theta', shape=[2, 3], dtype='float32')
     grid = fluid.layers.affine_grid(theta=theta, out_shape=[3, 10, 32, 32])
     out = fluid.layers.grid_sampler(x=x, grid=grid)

doc/fluid/api_cn/layers_cn/kldiv_loss_cn.rst

@@ -27,6 +27,7 @@ kL发散损失计算如下：
     - **x** (Variable) - KL散度损失算子的输入张量。维度为[N, \*]的多维Tensor，其中N是批大小，\*表示任何数量的附加维度，数据类型为float32或float64。
     - **target** (Variable) - KL散度损失算子的张量。与输入 ``x`` 的维度和数据类型一致的多维Tensor。
     - **reduction** (Variable)-要应用于输出的reduction类型，可用类型为‘none’ | ‘batchmean’ | ‘mean’ | ‘sum’，‘none’表示无reduction，‘batchmean’ 表示输出的总和除以批大小，‘mean’ 表示所有输出的平均值，‘sum’表示输出的总和。
+    - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置。默认值：None。
     - **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` ，默认值为None。
 
 返回：Variable(Tensor) KL散度损失。
@@ -38,22 +39,22 @@ kL发散损失计算如下：
 .. code-block:: python
 
     # 'batchmean' reduction, loss shape 为[N]
-    x = fluid.layers.data(name='x', shape=[4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
+    x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
     target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
     loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='batchmean') # shape=[-1]
 
     # 'mean' reduction, loss shape 为[1]
-    x = fluid.layers.data(name='x', shape=[4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
+    x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
     target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
     loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='mean') # shape=[1]
 
     # 'sum' reduction, loss shape 为[1]
-    x = fluid.layers.data(name='x', shape=[4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
+    x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
     target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
     loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='sum') # shape=[1]
 
     # 'none' reduction, loss shape 与X相同
-    x = fluid.layers.data(name='x', shape=[4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
+    x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
     target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
     loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='none') # shape=[-1, 4, 2, 2]
 

doc/fluid/api_cn/layers_cn/pool2d_cn.rst

@@ -108,11 +108,9 @@ pool2d
 .. code-block:: python
 
     import paddle.fluid as fluid
-    data_NCHW = fluid.layers.data(
-        name='data', shape=[2, 3, 8, 8], dtype='float32', append_batch_size=False)
+    data_NCHW = fluid.data(name='data', shape=[None, 3, 8, 8], dtype='float32')
 
-    data_NHWC = fluid.layers.data(
-        name='data', shape=[2, 8, 8, 3], dtype='float32', append_batch_size=False)
+    data_NHWC = fluid.data(name='data', shape=[None, 8, 8, 3], dtype='float32')
 
     # example 1:
     # ceil_mode = False

doc/fluid/api_cn/layers_cn/pool3d_cn.rst

@@ -119,11 +119,9 @@ pool3d
 .. code-block:: python
 
     import paddle.fluid as fluid
-    data_NCDHW = fluid.layers.data(
-        name='data', shape=[2, 3, 8, 8, 8], dtype='float32', append_batch_size=False)
+    data_NCDHW = fluid.data(name='data', shape=[None, 3, 8, 8, 8], dtype='float32')
 
-    data_NDHWC = fluid.layers.data(
-        name='data', shape=[2, 8, 8, 8, 3], dtype='float32', append_batch_size=False)
+    data_NDHWC = fluid.data(name='data', shape=[None, 8, 8, 8, 3], dtype='float32')
 
     # example 1:
     # ceil_mode = False

doc/fluid/api_cn/layers_cn/spectral_norm_cn.rst

@@ -31,7 +31,7 @@ spectral_norm
     - **dim** (int) - 将输入（weight）重塑为矩阵之前应排列到第一个的维度索引，如果input（weight）是fc层的权重，则应设置为0；如果input（weight）是conv层的权重，则应设置为1，默认为0。
     - **power_iters** (int) - 将用于计算spectral norm的功率迭代次数，默认值1
     - **eps** (float) - epsilon用于保证计算规范中的数值稳定性，分母会加上 ``eps`` 防止除零，默认1e-12
-    - **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` ，默认值为None。
+    - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置。默认值：None。
 
 返回：Variable(Tensor) 谱正则化后权重张量，维度与输入 ``weight`` 一致。
 
@@ -41,7 +41,7 @@ spectral_norm
 
 .. code-block:: python
 
-   weight = fluid.layers.data(name='weight', shape=[2, 8, 32, 32], append_batch_size=False, dtype='float32')
+   weight = fluid.data(name='weight', shape=[2, 8, 32, 32], dtype='float32')
    x = fluid.layers.spectral_norm(weight=weight, dim=1, power_iters=2)
 
 

doc/fluid/api_cn/layers_cn/temporal_shift_cn.rst

@@ -32,7 +32,7 @@ temporal_shift
   - **x**  (Variable) – 时移算符的输入张量。维度为 :math:`[N*T，C，H，W]` 的4-D Tensor。N为批量大小，T为时间段数，C为信道数，H为特征高度，W为特征宽度，数据类型为float32或float64。
   - **seg_num**  (int) – 时间段编号，这应该是一个正整数。
   - **shift_ratio**  (float) – 通道的移位比、通道的第一个 ``shift_ratio`` 部分沿时间维度移动-1，通道的第二个 ``shift_ratio`` 部分沿时间维度移动1，范围须在[0, 0.5]内。默认值0.25
-  - **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` ，默认值为None。
+  - **name** (str，可选) – 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置。默认值：None。
 
 返回：Variable(Tensor) 时序位移后的输出张量，维度与输入 ``x`` 一致。
 
@@ -46,7 +46,7 @@ temporal_shift
 .. code-block:: python
 
     import paddle.fluid as fluid
-    input = fluid.layers.data(name='input', shape=[4,2,2], dtype='float32')
+    input = fluid.data(name='input', shape=[None,4,2,2], dtype='float32')
     out = fluid.layers.temporal_shift(x=input, seg_num=2, shift_ratio=0.2)