Merge pull request #455 from haowang101779990/1207-cnapi

1207 api 翻译

doc/fluid/api_cn/average_cn.rst

-
 #################
  fluid.average
 #################
@@ -8,7 +7,7 @@
 .. _cn_api_fluid_average_WeightedAverage:
 
 WeightedAverage
->>>>>>>>>>>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.average.WeightedAverage
 
@@ -65,5 +64,7 @@ WeightedAverage
 
 
 
-英文版API文档: :ref:`api_fluid_average_WeightedAverage` 
+
+
+
 

doc/fluid/api_cn/backward_cn.rst

-
 #################
  fluid.backward
 #################
@@ -8,7 +7,7 @@
 .. _cn_api_fluid_backward_append_backward:
 
 append_backward
->>>>>>>>>>>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:function:: paddle.fluid.backward.append_backward(loss, parameter_list=None, no_grad_set=None, callbacks=None)
 
@@ -86,5 +85,7 @@ append_backward
 
 
 
-英文版API文档: :ref:`api_fluid_backward_append_backward` 
+
+
+
 

doc/fluid/api_cn/clip_cn.rst

-
 #################
  fluid.clip
 #################
@@ -8,7 +7,7 @@
 .. _cn_api_fluid_clip_ErrorClipByValue:
 
 ErrorClipByValue
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.clip.ErrorClipByValue(max, min=None)
 
@@ -34,12 +33,14 @@ ErrorClipByValue
 
 
 
-英文版API文档: :ref:`api_fluid_clip_ErrorClipByValue` 
+
+
+
 
 .. _cn_api_fluid_clip_GradientClipByGlobalNorm:
 
 GradientClipByGlobalNorm
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.clip.GradientClipByGlobalNorm(clip_norm, group_name='default_group')
  
@@ -78,12 +79,14 @@ GradientClipByGlobalNorm
 
 
 
-英文版API文档: :ref:`api_fluid_clip_GradientClipByGlobalNorm` 
+
+
+
 
 .. _cn_api_fluid_clip_GradientClipByNorm:
 
 GradientClipByNorm
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.clip.GradientClipByNorm(clip_norm)
 
@@ -116,12 +119,14 @@ GradientClipByNorm
 
 
 
-英文版API文档: :ref:`api_fluid_clip_GradientClipByNorm` 
+
+
+
 
 .. _cn_api_fluid_clip_GradientClipByValue:
 
 GradientClipByValue
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.clip.GradientClipByValue(max, min=None)
 
@@ -152,5 +157,7 @@ GradientClipByValue
      
 
 
-英文版API文档: :ref:`api_fluid_clip_GradientClipByValue` 
+
+
+
 

doc/fluid/api_cn/data_feeder_cn.rst

-
-#################
-fluid.data_feeder
-#################
+###################
+ fluid.data_feeder
+###################
 
 
 
 .. _cn_api_fluid_data_feeder_DataFeeder:
 
 DataFeeder
->>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.data_feeder.DataFeeder(feed_list, place, program=None)
 
@@ -101,10 +100,10 @@ reader通常返回一个minibatch条目列表。在列表中每一条目都是
 将reader返回的输入数据batch转换为多个mini-batch，之后每个mini-batch都会被输入进各个设备（CPU或GPU）中。
     
 参数：
-        - **reader** (fun) – 待输入的数据
-        - **multi_devices** (bool) – 执行场所的数目，默认为None
-        - **num_places** (int) – 执行场所的数目，默认为None
-        - **drop_last** (bool) – 舍弃数目匹配不上的batch或设备
+        - **reader** (fun) – 该参数是一个可以生成数据的函数
+        - **multi_devices** (bool) – bool型，指明是否使用多个设备
+        - **num_places** (int) – 如果 ``multi_devices`` 为 ``True`` , 可以使用此参数来设置GPU数目。如果 ``num_places`` 为 ``None`` ，该函数默认使用当前训练机所有GPU设备。默认为None。
+        - **drop_last** (bool) – 如果最后一个batch的大小比 ``batch_size`` 要小，则可使用该参数来指明是否选择丢弃最后一个batch数据。 默认为 ``True`` 
 
 返回：转换结果
 
@@ -117,5 +116,7 @@ reader通常返回一个minibatch条目列表。在列表中每一条目都是
 
 
 
-英文版API文档: :ref:`api_fluid_data_feeder_DataFeeder` 
+
+
+
 

doc/fluid/api_cn/executor_cn.rst

-
 #################
  fluid.executor
 #################
 
 
 
-.. _cn_api_fluid_executor:
+.. _cn_api_fluid_executor_Executor:
 
 Executor
->>>>>>>>>>>>>>>>>>>>>
+-------------------------------
 
 
 .. py:class:: paddle.fluid.executor.Executor (place)
@@ -107,5 +106,64 @@ feed map为该program提供输入数据。fetch_list提供program训练结束后
 
 
 
-英文版API文档: :ref:`api_fluid_executor` 
+
+
+
+
+
+
+.. _cn_api_fluid_executor_global_scope:
+
+global_scope
+-------------------------------
+
+.. 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`` 。
+
+返回：全局/默认作用域实例
+
+返回类型：Scope
+
+
+
+
+
+
+.. _cn_api_fluid_executor_scope_guard:
+
+scope_guard
+-------------------------------
+
+.. py:function:: paddle.fluid.scope_guard(*args, **kwds)
+
+
+修改全局/默认作用域（scope）,  运行时中的所有变量都将分配给新的scope。
+
+参数：
+	- **scope** - 新的全局/默认 scope。
+
+**代码示例**
+
+..  code-block:: python
+
+	import paddle.fluid as fluid
+	
+	new_scope = fluid.Scope()
+	with fluid.scope_guard(new_scope):
+		...
+
+
+
+
+
+
+
+
+
+
+
+
+
 

doc/fluid/api_cn/initializer_cn.rst

-
-#################
+###################
  fluid.initializer
-#################
+###################
 
 
 .. _cn_api_fluid_initializer_Bilinear:
@@ -9,9 +8,9 @@
 Bilinear
 >>>>>>>>>>>
 
-.. py:function:: paddle.fluid.initializer.Bilinear
+.. py:attribute:: paddle.fluid.initializer.Bilinear
 
- ``BilinearInitializer``的别名
+``BilinearInitializer`` 的别名
 
 
 .. _cn_api_fluid_initializer_BilinearInitializer:
@@ -45,16 +44,16 @@ num_filters = C和groups = C 表示这是按通道转置的卷积函数。滤波
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_BilinearInitializer` 
+
 
 .. _cn_api_fluid_initializer_Constant:
 
 Constant
 >>>>>>>>>>
 
-.. py:function:: paddle.fluid.initializer.Constant
+.. py:attribute:: paddle.fluid.initializer.Constant
 
- ``ConstantInitializer``的别名
+``ConstantInitializer`` 的别名
 
 
 .. _cn_api_fluid_initializer_ConstantInitializer:
@@ -78,7 +77,7 @@ ConstantInitializer
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_ConstantInitializer` 
+
 
 
 
@@ -103,7 +102,7 @@ force_init_on_cpu
         create_op('force_cpu': force_init_on_cpu())
 
 
-英文版API文档: :ref:`api_fluid_initializer_force_init_on_cpu`
+
 
 
 
@@ -130,7 +129,7 @@ init_on_cpu
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_init_on_cpu` 
+
 
 
 .. _cn_api_fluid_initializer_MSRA:
@@ -138,9 +137,9 @@ init_on_cpu
 MSRA
 >>>>>>
 
-.. py:function:: paddle.fluid.initializer.MSRA
+.. py:attribute:: paddle.fluid.initializer.MSRA
 
- ``MSRAInitializer``的别名
+``MSRAInitializer`` 的别名
 
 .. _cn_api_fluid_initializer_MSRAInitializer:
 
@@ -184,7 +183,7 @@ MSRAInitializer
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_MSRAInitializer` 
+
 
 
 .. _cn_api_fluid_initializer_Normal:
@@ -192,9 +191,9 @@ MSRAInitializer
 Normal
 >>>>>>>>
 
-.. py:function:: paddle.fluid.initializer.Normal
+.. py:attribute:: paddle.fluid.initializer.Normal
 
- ``NormalInitializer``的别名
+``NormalInitializer`` 的别名
 
 
 .. _cn_api_fluid_initializer_NormalInitializer:
@@ -222,16 +221,16 @@ NormalInitializer
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_NormalInitializer` 
+
 
 .. _cn_api_fluid_initializer_TruncatedNormal:
 
 TruncatedNormal
 >>>>>>>>>>>>>>>>>
 
-.. py:function:: paddle.fluid.initializer.TruncatedNormal
+.. py:attribute:: paddle.fluid.initializer.TruncatedNormal
 
- ``TruncatedNormalInitializer``的别名
+``TruncatedNormalInitializer`` 的别名
 
 
 .. _cn_api_fluid_initializer_TruncatedNormalInitializer:
@@ -260,7 +259,7 @@ Random Truncated Normal（高斯）分布初始化器
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_TruncatedNormalInitializer` 
+
 
 
 .. _cn_api_fluid_initializer_Uniform:
@@ -268,13 +267,14 @@ Random Truncated Normal（高斯）分布初始化器
 Uniform
 >>>>>>>>>
 
-.. _cn_api_fluid_initializer_UniformInitializer:
+.. py:attribute:: paddle.fluid.initializer.Uniform
 
-.. py:class:: paddle.fluid.initializer.Uniform
+``UniformInitializer`` 的别名
 
- ``UniformInitializer``的别名
 
 
+.. _cn_api_fluid_initializer_UniformInitializer:
+
 UniformInitializer
 >>>>>>>>>>>>
 
@@ -297,16 +297,24 @@ UniformInitializer
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_UniformInitializer` 
 
-.. _api_fluid_initializer_Xavier:
+
+
+
+
+.. _cn_api_fluid_initializer_Xavier:
 
 Xavier
 >>>>>>>>>
 
-.. py:function:: paddle.fluid.initializer.Xavier
+.. py:attribute:: paddle.fluid.initializer.Xavier
+
+``XavierInitializer`` 的别名
+
+
+
+
 
- ``XavierInitializer``的别名
 
 .. _cn_api_fluid_initializer_XavierInitializer:
 
@@ -351,5 +359,5 @@ XavierInitializer
 
 
 
-英文版API文档: :ref:`api_fluid_initializer_XavierInitializer` 
+
 

doc/fluid/api_cn/io_cn.rst

-
 #################
  fluid.io
 #################
@@ -8,7 +7,7 @@
 .. _cn_api_fluid_io_load_inference_model:
 
 load_inference_model
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.load_inference_model(dirname, executor, model_filename=None, params_filename=None, pserver_endpoints=None)
 
@@ -44,12 +43,14 @@ load_inference_model
 
 
 
-英文版API文档: :ref:`api_fluid_io_load_inference_model` 
+
+
+
 
 .. _cn_api_fluid_io_load_params:
 
 load_params
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.load_params(executor, dirname, main_program=None, filename=None)
 
@@ -79,12 +80,14 @@ load_params
                         
 
 
-英文版API文档: :ref:`api_fluid_io_load_params` 
+
+
+
 
 .. _cn_api_fluid_io_load_persistables:
 
 load_persistables
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.load_persistables(executor, dirname, main_program=None, filename=None)
 
@@ -112,12 +115,14 @@ load_persistables
  
 
 
-英文版API文档: :ref:`api_fluid_io_load_persistables` 
+
+
+
 
 .. _cn_api_fluid_io_load_vars:
 
 load_vars
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.load_vars(executor, dirname, main_program=None, vars=None, predicate=None, filename=None)
 
@@ -154,24 +159,28 @@ load_vars
 
     prog = fluid.default_main_program()
     fluid.io.load_vars(executor=exe, dirname=path, main_program=prog,
-                       vars=None)
+                       vars=None, predicate=name_has_fc)
+    #加载所有`main_program`中变量名包含 ‘fc’ 的变量
+    #并且此前所有变量应该保存在不同文件中
 
 
-    # The second usage: using `vars` to specify variables
+    #用法2：使用 `vars` 列表来指明变量
     var_list = [var_a, var_b, var_c]
     fluid.io.load_vars(executor=exe, dirname=path, vars=var_list,
                        filename="vars_file")
-    # var_a, var_b and var_c will be loaded. And they are supposed to haven
-    # been saved in the same file named 'var_file' in the path "./my_paddle_model".
+    # 加载 var_a ， var_b ， var_c .它们此前应被保存在同一文件中
+    # 文件名为 'var_file' ，路径为 "./my_paddle_model".
  
 
 
-英文版API文档: :ref:`api_fluid_io_load_vars` 
+
+
+
 
 .. _cn_api_fluid_io_save_inference_model:
 
 save_inference_model
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: 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)
 
@@ -211,12 +220,14 @@ save_inference_model
 
 
 
-英文版API文档: :ref:`api_fluid_io_save_inference_model` 
+
+
+
 
 .. _cn_api_fluid_io_save_params:
 
 save_params
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.save_params(executor, dirname, main_program=None, filename=None)
 
@@ -248,12 +259,14 @@ save_params
                          
 
 
-英文版API文档: :ref:`api_fluid_io_save_params` 
+
+
+
 
 .. _cn_api_fluid_io_save_persistables:
 
 save_persistables
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.save_persistables(executor, dirname, main_program=None, filename=None)
 
@@ -284,14 +297,14 @@ save_persistables
     
 
 
-英文版API文档: :ref:`api_fluid_io_save_persistables` 
+
 
 
 
 .. _cn_api_fluid_io_save_vars:
 
 save_vars
->>>>>>>>>>>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.io.save_vars(executor, dirname, main_program=None, vars=None, predicate=None, filename=None)
 
@@ -328,7 +341,7 @@ save_vars
 
       prog = fluid.default_main_program()
       fluid.io.save_vars(executor=exe, dirname=path, main_program=prog,
-                         vars=None)
+                         vars=None, predicate = name_has_fc)
       # 将main_program中名中包含“fc”的的所有变量保存。
       # 变量将分开保存。
 
@@ -341,5 +354,7 @@ save_vars
 
 
 
-英文版API文档: :ref:`api_fluid_io_save_vars` 
+
+
+
 

doc/fluid/api_cn/metrics_cn.rst

-
 #################
  fluid.metrics
 #################
 
 
 
-.. _cn_api_fluid_merics_Auc:
-
-Auc
->>>>
-
-.. py:class:: paddle.fluid.metrics.Auc(name, curve='ROC', num_thresholds=4095)
+.. _cn_api_fluid_metrics_Accuracy:
 
-Auc度量适用于二分类。参考 https://en.wikipedia.org/wiki/Receiver_operating_characteristic#Area_under_the_curve  。需要注意auc度量本身是用Python计算值。如果关心速度，请用fluid.layers.auc。
+Accuracy
+-------------------------------
 
-auc函数创建四个局部变量true_positives, true_negatives, false_positives和false_negatives，用于计算AUC。对于离散化AUC曲线，临界值线性间隔设置以便计算召回率和准确率的值，用false positive率的召回值高度计算ROC曲线面积，用recall的准确值高度计算PR曲线面积。
+.. py:class:: paddle.fluid.metrics.Accuracy(name=None)
 
-参数：
-    - **name** - 度量名
-    - **curve** - 将要计算的曲线名的详情，曲线包括ROC（默认）或者PR（Precision-Recall-curve）。
+累加mini-batch正确率，计算每次pass的平均准确率。https://en.wikipedia.org/wiki/Accuracy_and_precision
 
-注：目前只用Python实现ROC曲线
+参数:
+    - **name** — 度量标准的名称
 
-**代码示例**：
+**代码示例**
 
 .. code-block:: python
 
+    labels = fluid.layers.data(name="data", shape=[1], dtype="int32")
+    data = fluid.layers.data(name="data", shape=[32, 32], dtype="int32")
     pred = fluid.layers.fc(input=data, size=1000, act="tanh")
-    metric = fluid.metrics.Auc()
-    for data in train_reader():
-        loss, preds, labels = exe.run(fetch_list=[cost, preds, labels])
-        metric.update(preds, labels)
-        numpy_auc = metric.eval()
-
-
-
-
-
-
-
-
-
+    minibatch_accuracy = fluid.layers.accuracy(pred, label)
+    accuracy_evaluator = fluid.metrics.Accuracy()
+    for pass in range(PASSES):
+        accuracy_evaluator.reset()
+        for data in train_reader():
+            batch_size = data[0]
+            loss = exe.run(fetch_list=[cost, minibatch_accuracy])
+        accuracy_evaluator.update(value=minibatch_accuracy, weight=batch_size)
+        numpy_acc = accuracy_evaluator.eval()
 
-英文版API文档: :ref:`api_fluid_merics_Auc` 
 
-.. _cn_api_fluid_merics_MetricBase:
+.. py:method:: update(value, weight)
 
-MetricBase
->>>>>>>>>>>>
+更新mini batch的状态.
 
-.. py:class:: paddle.fluid.metrics.MetricBase(name)
+参数：	
+    - **value** (float|numpy.array) – 每个mini batch的正确率
+    - **weight** (int|float) – batch 大小
 
-所有Metrics的基类。MetricBase为模型估计方法定义一组接口。Metrics累积连续的两个minibatch之间的度量状态，对每个minibatch用最新接口将当前minibatch值添加到全局状态。用eval函数来计算last reset()或者scratch on()中累积的度量值。如果需要定制一个新的metric，请继承自MetricBase和自定义实现类。
 
-参数：
-    - **name** (str) - metric实例名。例如准确率（accuracy）。如果想区分一个模型里不同的metrics，则需要实例名。
 
-.. py:method:: reset()
 
-        reset()清除度量（metric）的状态（state）。默认情况下，状态（state）包含没有 ``_`` 前缀的metric。reset将这些状态设置为初始状态。如果不想使用隐式命名规则，请自定义reset接口。
 
-.. py:method:: get_config()
 
-获取度量（metric)状态和当前状态。状态（state）包含没有 ``_`` 前缀的成员。
-        
-参数：**None**
 
-返回：metric对应到state的字典
+.. _cn_api_fluid_metrics_Auc:
 
-返回类型：字典（dict）
+Auc
+-------------------------------
 
+.. py:class:: paddle.fluid.metrics.Auc(name, curve='ROC', num_thresholds=4095)
 
-.. py:method:: update(preds,labels)
+Auc度量适用于二分类。参考 https://en.wikipedia.org/wiki/Receiver_operating_characteristic#Area_under_the_curve  。需要注意auc度量本身是用Python计算值。如果关心速度，请用fluid.layers.auc。
 
-更新每个minibatch的度量状态（metric states），用户可通过Python或者C++操作符计算minibatch度量值（metric）。
+auc函数创建四个局部变量true_positives, true_negatives, false_positives和false_negatives，用于计算AUC。对于离散化AUC曲线，临界值线性间隔设置以便计算召回率和准确率的值，用false positive率的召回值高度计算ROC曲线面积，用recall的准确值高度计算PR曲线面积。
 
 参数：
-     - **preds** (numpy.array) - 当前minibatch的预测
-     - **labels** (numpy.array) - 当前minibatch的标签，如果标签为one-hot或者soft-label，应该自定义相应的更新规则。
-
-.. py:method:: eval()
-
-基于累积状态（accumulated states）评估当前度量（current metric）。
-
-返回：metrics（Python中）
-
-返回类型：float|list(float)|numpy.array
-
+    - **name** - 度量名
+    - **curve** - 将要计算的曲线名的详情，曲线包括ROC（默认）或者PR（Precision-Recall-curve）。
 
+注：目前只用Python实现ROC曲线
 
-英文版API文档: :ref:`api_fluid_merics_MetricBase` 
+**代码示例**：
 
-.. _cn_api_fluid_metrics_Accuracy:
+.. code-block:: python
 
-Accuracy
->>>>>>>>>>>>
+    pred = fluid.layers.fc(input=data, size=1000, act="tanh")
+    metric = fluid.metrics.Auc()
+    for data in train_reader():
+        loss, preds, labels = exe.run(fetch_list=[cost, preds, labels])
+        metric.update(preds, labels)
+        numpy_auc = metric.eval()
 
-.. py:class:: paddle.fluid.metrics.Accuracy(name=None)
 
-累加mini-batch正确率，计算每次pass的平均准确率。https://en.wikipedia.org/wiki/Accuracy_and_precision
 
-参数:
-    - **name** — 度量标准的名称
 
-**代码示例**
 
-.. code-block:: python
 
-    labels = fluid.layers.data(name="data", shape=[1], dtype="int32")
-    data = fluid.layers.data(name="data", shape=[32, 32], dtype="int32")
-    pred = fluid.layers.fc(input=data, size=1000, act="tanh")
-    minibatch_accuracy = fluid.layers.accuracy(pred, label)
-    accuracy_evaluator = fluid.metrics.Accuracy()
-    for pass in range(PASSES):
-        accuracy_evaluator.reset()
-        for data in train_reader():
-            batch_size = data[0]
-            loss = exe.run(fetch_list=[cost, minibatch_accuracy])
-        accuracy_evaluator.update(value=minibatch_accuracy, weight=batch_size)
-        numpy_acc = accuracy_evaluator.eval()
 
 
-.. py:method:: update(value, weight)
 
-更新mini batch的状态.
 
-参数：	
-    - **value** (float|numpy.array) – 每个mini batch的正确率
-    - **weight** (int|float) – batch 大小
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_Accuracy` 
 
 .. _cn_api_fluid_metrics_ChunkEvaluator:
 
 ChunkEvaluator
->>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.metrics.ChunkEvaluator(name=None)
 
@@ -169,12 +125,14 @@ ChunkEvaluator
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_ChunkEvaluator` 
+
+
+
 
 .. _cn_api_fluid_metrics_CompositeMetric:
 
 CompositeMetric
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.metrics.CompositeMetric(name=None)
 
@@ -229,14 +187,16 @@ CompositeMetric
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_CompositeMetric` 
+
+
+
 
 .. _cn_api_fluid_metrics_DetectionMAP:
 
 DetectionMAP
->>>>>>>>>>>>
+-------------------------------
 
-.. py:class:: class paddle.fluid.metrics.DetectionMAP(name=None)
+.. py:class:: paddle.fluid.metrics.DetectionMAP(name=None)
 
 计算 detection 平均精度（mAP）。 mAP是衡量object detectors精度的指标，比如 Faster R-CNN,SSD等。它不同于召回率，它是最大精度的平均值。 请从以下文章中获取更多信息：
 
@@ -275,12 +235,14 @@ https://arxiv.org/abs/1512.02325
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_DetectionMAP` 
+
+
+
 
 .. _cn_api_fluid_metrics_EditDistance:
 
 EditDistance
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.metrics.EditDistance(name)
 
@@ -307,12 +269,63 @@ EditDistance
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_EditDistance` 
+
+
+
+
+.. _cn_api_fluid_metrics_MetricBase:
+
+MetricBase
+-------------------------------
+
+.. py:class:: paddle.fluid.metrics.MetricBase(name)
+
+所有Metrics的基类。MetricBase为模型估计方法定义一组接口。Metrics累积连续的两个minibatch之间的度量状态，对每个minibatch用最新接口将当前minibatch值添加到全局状态。用eval函数来计算last reset()或者scratch on()中累积的度量值。如果需要定制一个新的metric，请继承自MetricBase和自定义实现类。
+
+参数：
+    - **name** (str) - metric实例名。例如准确率（accuracy）。如果想区分一个模型里不同的metrics，则需要实例名。
+
+.. py:method:: reset()
+
+        reset()清除度量（metric）的状态（state）。默认情况下，状态（state）包含没有 ``_`` 前缀的metric。reset将这些状态设置为初始状态。如果不想使用隐式命名规则，请自定义reset接口。
+
+.. py:method:: get_config()
+
+获取度量（metric)状态和当前状态。状态（state）包含没有 ``_`` 前缀的成员。
+        
+参数：**None**
+
+返回：metric对应到state的字典
+
+返回类型：字典（dict）
+
+
+.. py:method:: update(preds,labels)
+
+更新每个minibatch的度量状态（metric states），用户可通过Python或者C++操作符计算minibatch度量值（metric）。
+
+参数：
+     - **preds** (numpy.array) - 当前minibatch的预测
+     - **labels** (numpy.array) - 当前minibatch的标签，如果标签为one-hot或者soft-label，应该自定义相应的更新规则。
+
+.. py:method:: eval()
+
+基于累积状态（accumulated states）评估当前度量（current metric）。
+
+返回：metrics（Python中）
+
+返回类型：float|list(float)|numpy.array
+
+
+
+
+
+
 
 .. _cn_api_fluid_metrics_Precision:
 
 Precision
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.metrics.Precision(name=None)
 
@@ -339,12 +352,14 @@ Precision(也称为 positive predictive value,正预测值)是被预测为正样
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_Precision` 
+
+
+
 
 .. _cn_api_fluid_metrics_Recall:
 
 Recall
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.metrics.Recall(name=None)
 
@@ -368,5 +383,7 @@ https://en.wikipedia.org/wiki/Precision_and_recall
 
 
 
-英文版API文档: :ref:`api_fluid_metrics_Recall` 
+
+
+
 

doc/fluid/api_cn/nets_cn.rst

+#################
+ fluid.nets
+#################
+
+
+
+.. _cn_api_fluid_nets_glu:
+
+glu
+-------------------------------
+.. py:function:: paddle.fluid.nets.glu(input, dim=-1)
+T
+he Gated Linear Units(GLU)由切分（split），sigmoid激活函数和按元素相乘组成。沿着给定维将input拆分成两个大小相同的部分，a和b，计算如下：
+
+.. math::
+
+    GLU(a,b) = a\bigotimes \sigma (b)
+
+参考论文: `Language Modeling with Gated Convolutional Networks <https://arxiv.org/pdf/1612.08083.pdf>`_
+
+参数：
+    - **input** (Variable) - 输入变量，张量或者LoDTensor
+    - **dim** (int) - 拆分的维度。如果 :math:`dim<0`，拆分的维为 :math:`rank(input)+dim`。默认为-1
+
+返回：变量 —— 变量的大小为输入的一半
+
+返回类型：变量（Variable）
+
+**代码示例：**
+
+.. code-block:: python
+
+    data = fluid.layers.data(name="words", shape=[3, 6, 9], dtype="float32")
+    output = fluid.nets.glu(input=data, dim=1)  # shape of output: [3, 3, 9]
+
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_nets_img_conv_group:
+
+img_conv_group
+-------------------------------
+
+.. py:function:: paddle.fluid.nets.img_conv_group(input, conv_num_filter, pool_size, conv_padding=1, conv_filter_size=3, conv_act=None, param_attr=None, conv_with_batchnorm=False, conv_batchnorm_drop_rate=0.0, pool_stride=1, pool_type='max', use_cudnn=True)
+
+Image Convolution Group由Convolution2d，BatchNorm，DropOut和Pool2d组成。根据输入参数，img_conv_group将使用Convolution2d，BatchNorm，DropOut对Input进行连续计算，并将最后一个结果传递给Pool2d。
+
+参数：
+       - **input** （Variable） - 具有[N，C，H，W]格式的输入图像。
+       - **conv_num_filter** （list | tuple） - 表示该组的过滤器数。
+       - **pool_size** （int | list | tuple） -  ``Pool2d Layer`` 池的大小。如果pool_size是列表或元组，则它必须包含两个整数（pool_size_H，pool_size_W）。否则，pool_size_H = pool_size_W = pool_size。
+       - **conv_padding** （int | list | tuple） - Conv2d Layer的 ``padding`` 大小。如果 ``padding`` 是列表或元组，则其长度必须等于 ``conv_num_filter`` 的长度。否则，所有Conv2d图层的 ``conv_padding`` 都是相同的。默认1。
+       - **conv_filter_size** （int | list | tuple） - 过滤器大小。如果filter_size是列表或元组，则其长度必须等于 ``conv_num_filter`` 的长度。否则，所有Conv2d图层的 ``conv_filter_size`` 都是相同的。默认3。
+       - **conv_act** （str） -  ``Conv2d Layer`` 的激活类型， ``BatchNorm`` 后面没有。默认值：无。
+       - **param_attr** （ParamAttr） - Conv2d层的参数。默认值：无
+       - **conv_with_batchnorm** （bool | list） - 表示在 ``Conv2d Layer`` 之后是否使用 ``BatchNorm`` 。如果 ``conv_with_batchnorm`` 是一个列表，则其长度必须等于 ``conv_num_filter`` 的长度。否则， ``conv_with_batchnorm`` 指示是否所有Conv2d层都遵循 ``BatchNorm``。默认为False。
+       - **conv_batchnorm_drop_rate** （float | list） - 表示 ``BatchNorm`` 之后的 ``Dropout Layer`` 的 ``rop_rate`` 。如果 ``conv_batchnorm_drop_rate`` 是一个列表，则其长度必须等于 ``conv_num_filter`` 的长度。否则，所有 ``Dropout Layers`` 的 ``drop_rate`` 都是   ``conv_batchnorm_drop_rate`` 。默认值为0.0。
+       - **pool_stride** （int | list | tuple） -  ``Pool2d`` 层的汇集步幅。如果 ``pool_stride`` 是列表或元组，则它必须包含两个整数（pooling_stride_H，pooling_stride_W）。否则，pooling_stride_H = pooling_stride_W = pool_stride。默认1。
+       - **pool_type** （str） - 池化类型可以是最大池化的 ``max`` 和平均池化的 ``avg`` 。默认max。
+       - **use_cudnn** （bool） - 是否使用cudnn内核，仅在安装cudnn库时才有效。默认值：True
+       
+返回：  使用Convolution2d进行串行计算后的最终结果，BatchNorm，DropOut和Pool2d。
+
+返回类型：  变量（Variable）。
+
+**代码示例**
+
+..  code-block:: python
+
+          img = fluid.layers.data(name='img', shape=[1, 28, 28], dtype='float32')
+          conv_pool = fluid.nets.img_conv_group(input=img,
+                                                num_channels=3,
+                                                conv_padding=1,
+                                                conv_num_filter=[3, 3],
+                                                conv_filter_size=3,
+                                                conv_act="relu",
+                                                pool_size=2,
+                                                pool_stride=2)
+
+
+
+
+
+
+
+.. _cn_api_fluid_nets_scaled_dot_product_attention:
+
+scaled_dot_product_attention
+-------------------------------
+
+.. py:function:: paddle.fluid.nets.scaled_dot_product_attention(queries, keys, values, num_heads=1, dropout_rate=0.0)
+
+点乘attention运算。
+
+attention运算机制可以被视为将查询和一组键值对映射到输出。 将输出计算为值的加权和，其中分配给每个值的权重由查询的兼容性函数（此处的点积）与对应的密钥计算。
+
+可以通过（batch）矩阵乘法实现点积attention运算，如下所示：
+
+.. math::
+      Attention(Q, K, V)= softmax(QK^\mathrm{T})V
+
+请参阅 `Attention Is All You Need <https://arxiv.org/pdf/1706.03762.pdf>`_ 
+
+参数：
+         - **queries** （Variable） - 输入变量，应为3-D Tensor。
+         - **keys** （Variable） - 输入变量，应为3-D Tensor。
+         - **values** （Variable） - 输入变量，应为3-D Tensor。
+         - **num_heads** （int） - 计算缩放点积attention运算的head数。默认值：1。
+         - **dropout_rate** （float） - 降低attention的dropout率。默认值：0.0。
+
+返回：   通过multi-head来缩放点积attention运算的三维张量。
+
+返回类型：  变量（Variable）。
+
+抛出异常:    
+    - ``ValueError`` - 如果输入查询键，值不是3-D Tensor会报错。
+
+.. note::
+    当num_heads> 1时，分别学习三个线性投影，以将输入查询，键和值映射到查询'，键'和值'。 查询'，键'和值'与查询，键和值具有相同的形状。
+    当num_heads == 1时，scaled_dot_product_attention没有可学习的参数。
+
+**代码示例**
+
+..  code-block:: python
+
+          queries = fluid.layers.data(name="queries",
+                                      shape=[3, 5, 9],
+                                      dtype="float32",
+                                      append_batch_size=False)
+          queries.stop_gradient = False
+          keys = fluid.layers.data(name="keys",
+                                   shape=[3, 6, 9],
+                                   dtype="float32",
+                                   append_batch_size=False)
+          keys.stop_gradient = False
+          values = fluid.layers.data(name="values",
+                                     shape=[3, 6, 10],
+                                     dtype="float32",
+                                     append_batch_size=False)
+          values.stop_gradient = False
+          contexts = fluid.nets.scaled_dot_product_attention(queries, keys, values)
+          contexts.shape  # [3, 5, 10]
+
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_nets_sequence_conv_pool:
+
+sequence_conv_pool
+-------------------------------
+
+.. py:function:: paddle.fluid.nets.sequence_conv_pool(input, num_filters, filter_size, param_attr=None, act='sigmoid', pool_type='max')
+
+sequence_conv_pool由序列卷积和池化组成
+
+参数：
+    - **input** (Variable) - sequence_conv的输入，支持变量时间长度输入序列。当前输入为shape为（T，N）的矩阵，T是mini-batch中的总时间步数，N是input_hidden_size
+    - **num_filters** （int）- 滤波器数
+    - **filter_size** （int）- 滤波器大小
+    - **param_attr** （ParamAttr) - Sequence_conv层的参数。默认：None
+    - **act** （str） - Sequence_conv层的激活函数类型。默认：sigmoid
+    - **pool_type** （str）- 池化类型。可以是max-pooling的max，average-pooling的average，sum-pooling的sum，sqrt-pooling的sqrt。默认max
+
+返回：序列卷积（Sequence Convolution）和池化（Pooling）的结果
+
+
+返回类型：变量（Variable）
+
+**代码示例**：
+
+.. code-block:: python
+
+    input_dim = len(word_dict)
+    emb_dim = 128
+    hid_dim = 512
+    data = fluid.layers.data( ame="words", shape=[1], dtype="int64", lod_level=1)
+    emb = fluid.layers.embedding(input=data, size=[input_dim, emb_dim], is_sparse=True)
+    seq_conv = fluid.nets.sequence_conv_pool(input=emb,
+                                         num_filters=hid_dim,
+                                         filter_size=3,
+                                         act="tanh",
+                                         pool_type="sqrt")
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_nets_simple_img_conv_pool:
+
+simple_img_conv_pool
+-------------------------------
+
+.. py:function:: paddle.fluid.nets.simple_img_conv_pool(input, num_filters, filter_size, pool_size, pool_stride, pool_padding=0, pool_type='max', global_pooling=False, conv_stride=1, conv_padding=0, conv_dilation=1, conv_groups=1, param_attr=None, bias_attr=None, act=None, use_cudnn=True)
+
+ ``simple_img_conv_pool`` 由一个Convolution2d和一个Pool2d组成。
+
+参数：
+    - **input** （Variable） - 输入图像的格式为[N，C，H，W]。
+    - **num_filters** （int） - ``filter`` 的数量。它与输出的通道相同。
+    - **filter_size** （int | list | tuple） - 过滤器大小。如果 ``filter_size`` 是列表或元组，则它必须包含两个整数（filter_size_H，filter_size_W）。否则，filter_size_H = filter_size_W = filter_size。
+    - **pool_size** （int | list | tuple） - Pool2d池化层大小。如果pool_size是列表或元组，则它必须包含两个整数（pool_size_H，pool_size_W）。否则，pool_size_H = pool_size_W = pool_size。
+    - **pool_stride** （int | list | tuple） - Pool2d池化层步长。如果pool_stride是列表或元组，则它必须包含两个整数（pooling_stride_H，pooling_stride_W）。否则，pooling_stride_H = pooling_stride_W = pool_stride。
+    - **pool_padding** （int | list | tuple） - Pool2d池化层的padding。如果pool_padding是列表或元组，则它必须包含两个整数（pool_padding_H，pool_padding_W）。否则，pool_padding_H = pool_padding_W = pool_padding。默认值为0。
+    - **pool_type** （str） - 池化类型可以是 ``max-pooling`` 的 ``max`` 和平均池的 ``avg`` 。默认 ``max`` 。
+    - **global_pooling** （bool）- 是否使用全局池。如果global_pooling = true，则忽略pool_size和pool_padding。默认为False
+    - **conv_stride** （int | list | tuple） - conv2d Layer的步长。如果stride是列表或元组，则它必须包含两个整数，（conv_stride_H，conv_stride_W）。否则，conv_stride_H = conv_stride_W = conv_stride。默认值：conv_stride = 1。
+    - **conv_padding** （int | list | tuple） - conv2d Layer的padding大小。如果padding是列表或元组，则它必须包含两个整数（conv_padding_H，conv_padding_W）。否则，conv_padding_H = conv_padding_W = conv_padding。默认值：conv_padding = 0。
+    - **conv_dilation** （int | list | tuple） - conv2d Layer的dilation大小。如果dilation是列表或元组，则它必须包含两个整数（conv_dilation_H，conv_dilation_W）。否则，conv_dilation_H = conv_dilation_W = conv_dilation。默认值：conv_dilation = 1。
+    - **conv_groups** （int） - conv2d Layer的组数。根据Alex Krizhevsky的Deep CNN论文中的分组卷积：当group = 2时，前半部分滤波器仅连接到输入通道的前半部分，而后半部分滤波器仅连接到后半部分输入通道。默认值：groups = 1。
+    - **param_attr** （ParamAttr | None） - 可学习参数的参数属性或conv2d权重。如果将其设置为None或ParamAttr的一个属性，则conv2d将创建ParamAttr作为param_attr。如果未设置param_attr的初始化，则使用 :math:`Normal（0.0，std）` 初始化参数，并且 ``std`` 为 :math:`(\frac{2.0 }{filter\_elem\_num})^{0.5}` 。默认值:None
+    - **bias_attr** （ParamAttr | bool | None） - conv2d的bias参数属性。如果设置为False，则不会向输出单元添加bias。如果将其设置为None或ParamAttr的一个属性，则conv2d将创建ParamAttr作为bias_attr。如果未设置bias_attr的初始化程序，则将偏差初始化为零。默认值：None
+    - **act** （str） - conv2d的激活类型，如果设置为None，则不附加激活。默认值：无。
+    - **use_cudnn** （bool） - 是否使用cudnn内核，仅在安装cudnn库时才有效。默认值：True。
+
+返回： Convolution2d和Pool2d之后输入的结果。
+
+返回类型：  变量（Variable）
+
+**示例代码**
+
+..  code-block:: python
+
+    img = fluid.layers.data(name='img', shape=[1, 28, 28], dtype='float32')
+    conv_pool = fluid.nets.simple_img_conv_pool(input=img,
+                                            filter_size=5,
+                                            num_filters=20,
+                                            pool_size=2,
+                                            pool_stride=2,
+                                            act="relu")
+
+
+
+
+
+
+
+
+
+
+

doc/fluid/api_cn/optimizer_cn.rst

-
 #################
  fluid.optimizer
 #################
 
+.. _cn_api_fluid_optimizer_Adadelta:
+
+Adadelta
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.Adadelta
+
+``AdadeltaOptimizer`` 的别名
+
+
+
+
+
+
+.. _cn_api_fluid_optimizer_Adagrad:
+
+Adagrad
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.Adagrad
+
+``AdagradOptimizer`` 的别名
+
+
 
 
 .. _cn_api_fluid_optimizer_AdagradOptimizer:
 
 AdagradOptimizer
->>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.AdagradOptimizer(learning_rate, epsilon=1e-06, regularization=None, name=None)
 
@@ -37,45 +60,42 @@ http://cs231n.github.io/neural-networks-3/#ada 用于维持数值稳定性，避
     optimizer = fluid.optimizer.Adagrad(learning_rate=0.2)
     optimizer.minimize(cost)
 
-AdamOptimizer
->>>>>>>>>>>>>
 
-.. py:class:: paddle.fluid.optimizer. AdamOptimizer(learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=1e-08, regularization=None, name=None)
 
-该函数实现了自适应矩估计优化器，介绍自Adam论文:https://arxiv.org/abs/1412.6980的第二节。Adam是一阶基于梯度下降的算法，基于自适应低阶矩估计。
-Adam更新如下：
 
-.. math::
 
-	t & = t + 1\\moment\_out & = {\beta}_1 * moment + (1 - {\beta}_1) * grad\\inf\_norm\_out & = max({\beta}_2 * inf\_norm + \epsilon, |grad|)\\learning\_rate & = \frac{learning\_rate}{1 - {\beta}_1^t}\\param\_out & = param - learning\_rate * \frac{moment\_out}{inf\_norm\_out}
 
-参数: 
-    - **learning_rate** (float|Variable)-学习率，用于更新参数。作为数据参数，可以是一个浮点类型值或有一个浮点类型值的变量
-    - **beta1** (float)-一阶矩估计的指数衰减率
-    - **beta2** (float)-二阶矩估计的指数衰减率
-    - **epsilon** (float)-保持数值稳定性的短浮点类型值
-    - **regularization** - 规则化函数，例如''fluid.regularizer.L2DecayRegularizer
-    - **name** - 可选名称前缀
+.. _cn_api_fluid_optimizer_Adam:
 
-**代码示例**：
+Adam
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.Adam
+
+``AdamOptimizer`` 的别名
 
-.. code-block:: python:
 
-    optimizer = fluid.optimizer.Adam(learning_rate=0.2)
-    optimizer.minimize(cost)
 
-.. note::
 
-	目前，AdamaxOptimizer不支持稀疏参数优化
+
+.. _cn_api_fluid_optimizer_Adamax:
+
+Adamax
+-------------------------------
+
+.. py:attribute:: paddle.fluid.optimizer.Adamax
+
+``AdamaxOptimizer`` 的别名
+
+
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_AdagradOptimizer` 
 
 .. _cn_api_fluid_optimizer_AdamaxOptimizer:
 
 AdamaxOptimizer
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.AdamaxOptimizer(learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=1e-08, regularization=None, name=None)
 
@@ -119,12 +139,68 @@ Adamax 更新规则:
   
 
 
-英文版API文档: :ref:`api_fluid_optimizer_AdamaxOptimizer` 
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_optimizer_AdamOptimizer:
+
+AdamOptimizer
+-------------------------------
+
+.. py:class:: paddle.fluid.optimizer. AdamOptimizer(learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=1e-08, regularization=None, name=None)
+
+该函数实现了自适应矩估计优化器，介绍自 `Adam论文 <https://arxiv.org/abs/1412.6980>`_ 的第二节。Adam是一阶基于梯度下降的算法，基于自适应低阶矩估计。
+Adam更新如下：
+
+.. math::
+
+	t & = t + 1\\moment\_out & = {\beta}_1 * moment + (1 - {\beta}_1) * grad\\inf\_norm\_out & = max({\beta}_2 * inf\_norm + \epsilon, |grad|)\\learning\_rate & = \frac{learning\_rate}{1 - {\beta}_1^t}\\param\_out & = param - learning\_rate * \frac{moment\_out}{inf\_norm\_out}
+
+参数: 
+    - **learning_rate** (float|Variable)-学习率，用于更新参数。作为数据参数，可以是一个浮点类型值或有一个浮点类型值的变量
+    - **beta1** (float)-一阶矩估计的指数衰减率
+    - **beta2** (float)-二阶矩估计的指数衰减率
+    - **epsilon** (float)-保持数值稳定性的短浮点类型值
+    - **regularization** - 规则化函数，例如''fluid.regularizer.L2DecayRegularizer
+    - **name** - 可选名称前缀
+
+**代码示例**：
+
+.. code-block:: python:
+
+    optimizer = fluid.optimizer.Adam(learning_rate=0.2)
+    optimizer.minimize(cost)
+
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_optimizer_DecayedAdagrad:
+
+DecayedAdagrad
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.DecayedAdagrad
+
+``DecayedAdagradOptimizer`` 的别名
+
+
+
+
 
 .. _cn_api_fluid_optimizer_DecayedAdagradOptimizer:
 
 DecayedAdagradOptimizer
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.DecayedAdagradOptimizer(learning_rate, decay=0.95, epsilon=1e-06, regularization=None, name=None)
 
@@ -160,12 +236,27 @@ Decayed Adagrad Optimizer
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_DecayedAdagradOptimizer` 
+
+
+
+
+
+.. _cn_api_fluid_optimizer_Ftrl:
+
+Ftrl
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.Ftrl
+
+``FtrlOptimizer`` 的别名
+
+
+
 
 .. _cn_api_fluid_optimizer_FtrlOptimizer:
 
 FtrlOptimizer
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.FtrlOptimizer(learning_rate, l1=0.0, l2=0.0, lr_power=-0.5,regularization=None, name=None)
  
@@ -194,9 +285,9 @@ TFRTL 原始论文: ( `https://www.eecs.tufts.edu/~dsculley/papers/ad-click-pred
 
 参数:
   - **learning_rate** (float|Variable)-全局学习率。
-  - **l1** (float)
-  - **l2** (float)
-  - **lr_power** (float)
+  - **l1** (float) - 暂无，请等待后期更新
+  - **l2** (float) - 暂无，请等待后期更新
+  - **lr_power** (float) - 暂无，请等待后期更新
   - **regularization** - 正则化器，例如 ``fluid.regularizer.L2DecayRegularizer`` 
   - **name** — 可选的名称前缀
 
@@ -211,29 +302,32 @@ TFRTL 原始论文: ( `https://www.eecs.tufts.edu/~dsculley/papers/ad-click-pred
    _, params_grads = optimizer.minimize(cost)
 
 .. note::
-目前, FtrlOptimizer 不支持 sparse gradient
+     目前, FtrlOptimizer 不支持 sparse gradient
+
+
+
 
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_FtrlOptimizer` 
 
 .. _cn_api_fluid_optimizer_LarsMomentum:
 
 LarsMomentum
->>>>>>>>>>>>>>
+-------------------------------
 
-:code:`fluid.optimizer.LarsMomentumOptimizer` 的别名
+.. py:attribute::  paddle.fluid.optimizer.LarsMomentum
+
+``fluid.optimizer.LarsMomentumOptimizer`` 的别名
 
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_LarsMomentum` 
 
 .. _cn_api_fluid_optimizer_LarsMomentumOptimizer:
 
 LarsMomentumOptimizer
->>>>>>>>>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:function:: paddle.fluid.optimizer.LarsMomentumOptimizer(learning_rate, momentum, lars_coeff=0.001, lars_weight_decay=0.0005, regularization=None, name=None)
 
@@ -265,12 +359,14 @@ LARS支持的Momentum优化器
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_LarsMomentumOptimizer` 
+
+
+
 
 .. _cn_api_fluid_optimizer_ModelAverage:
 
 ModelAverage
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.ModelAverage(average_window_rate, min_average_window=10000, max_average_window=10000, regularization=None, name=None)
 
@@ -315,12 +411,25 @@ ModelAverage
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_ModelAverage` 
+
+
+
+
+.. _cn_api_fluid_optimizer_Momentum:
+
+Momentum
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.Momentum
+
+``MomentumOptimizer`` 的别名
+
+
 
 .. _cn_api_fluid_optimizer_MomentumOptimizer:
 
 MomentumOptimizer
->>>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class::  paddle.fluid.optimizer.MomentumOptimizer(learning_rate, momentum, use_nesterov=False, regularization=None, name=None)
 
@@ -349,12 +458,14 @@ MomentumOptimizer
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_MomentumOptimizer` 
+
+
+
 
 .. _cn_api_fluid_optimizer_RMSPropOptimizer:
 
 RMSPropOptimizer
->>>>>>>>>>>>>>>>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.RMSPropOptimizer(learning_rate, rho=0.95, epsilon=1e-06, momentum=0.0, centered=False, regularization=None, name=None)
 
@@ -406,12 +517,27 @@ RMSPropOptimizer
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_RMSPropOptimizer` 
+
+
+
+.. _cn_api_fluid_optimizer_SGD:
+
+SGD
+-------------------------------
+
+.. py:attribute::  paddle.fluid.optimizer.SGD
+
+``SGDOptimizer`` 的别名
+
+
+
+
+
 
 .. _cn_api_fluid_optimizer_SGDOptimizer:
 
 SGDOptimizer
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.optimizer.SGDOptimizer(learning_rate, regularization=None, name=None)
 
@@ -438,5 +564,7 @@ SGDOptimizer
 
 
 
-英文版API文档: :ref:`api_fluid_optimizer_SGDOptimizer` 
+
+
+
 

doc/fluid/api_cn/param_attr_cn.rst

-
 #################
  fluid.param_attr
 #################
 
 
 
+
+.. _cn_api_fluid_param_attr_ParamAttr:
+
+ 
+ParamAttr
+-------------------------------
+
+
+.. py:class:: paddle.fluid.param_attr.ParamAttr(name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)
+
+该类代表了参数的各种属性。 为了使神经网络训练过程更加流畅，用户可以根据需要调整参数属性。比如learning rate（学习率）, regularization（正则化）, trainable（可训练性）, do_model_average(平均化模型)和参数初始化方法.
+
+参数:	
+    - **name** (str) – 参数名。默认为None。
+    - **initializer** (Initializer) – 初始化该参数的方法。 默认为None
+    - **learning_rate** (float) – 参数的学习率。计算方法为 global_lr*parameter_lr∗scheduler_factor。 默认为1.0
+    - **regularizer** (WeightDecayRegularizer) – 正则因子. 默认为None
+    - **trainable** (bool) – 该参数是否可训练。默认为True
+    - **gradient_clip** (BaseGradientClipAttr) – 减少参数梯度的方法。默认为None
+    - **do_model_average** (bool) – 该参数是否服从模型平均值。默认为False
+    
+**代码示例**
+
+..  code-block:: python
+
+   w_param_attrs = fluid.ParamAttr(name="fc_weight",
+                                   learning_rate=0.5,
+                                   regularizer=fluid.L2Decay(1.0),
+                                   trainable=True)
+   y_predict = fluid.layers.fc(input=x, size=10, param_attr=w_param_attrs)
+
+
+
+
+
+
+
+
+
+
 .. _cn_api_fluid_param_attr_WeightNormParamAttr:
 
 WeightNormParamAttr
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.param_attr.WeightNormParamAttr(dim=None, name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)
   
@@ -41,39 +80,11 @@ WeightNormParamAttr
 
 
 
-英文版API文档: :ref:`api_fluid_param_attr_WeightNormParamAttr` 
-
-.. _cn_api_fluid_ParamAttr:
 
- 
-ParamAttr
->>>>>>>>>>>>>>>>>>>>>>>>>
 
 
-.. py:class:: paddle.fluid.param_attr.ParamAttr(name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)
-
-该类代表了参数的各种属性。 为了使神经网络训练过程更加流畅，用户可以根据需要调整参数属性。比如learning rate（学习率）, regularization（正则化）, trainable（可训练性）, do_model_average(平均化模型)和参数初始化方法.
 
-参数:	
-    - **name** (str) – 参数名。默认为None。
-    - **initializer** (Initializer) – 初始化该参数的方法。 默认为None
-    - **learning_rate** (float) – 参数的学习率。计算方法为 global_lr*parameter_lr∗scheduler_factor。 默认为1.0
-    - **regularizer** (WeightDecayRegularizer) – 正则因子. 默认为None
-    - **trainable** (bool) – 该参数是否可训练。默认为True
-    - **gradient_clip** (BaseGradientClipAttr) – 减少参数梯度的方法。默认为None
-    - **do_model_average** (bool) – 该参数是否服从模型平均值。默认为False
-    
-**代码示例**
-
-..  code-block:: python
-
-   w_param_attrs = fluid.ParamAttr(name="fc_weight",
-                                   learning_rate=0.5,
-                                   regularizer=fluid.L2Decay(1.0),
-                                   trainable=True)
-   y_predict = fluid.layers.fc(input=x, size=10, param_attr=w_param_attrs)
 
 
 
-英文版API文档: :ref:`api_fluid_ParamAttr` 
 

doc/fluid/api_cn/profiler_cn.rst

-
 #################
  fluid.profiler
 #################
@@ -8,7 +7,7 @@
 .. _cn_api_fluid_profiler_cuda_profiler:
 
 cuda_profiler
->>>>>>>>>>>>
+-------------------------------
 
 .. py:function:: paddle.fluid.profiler.cuda_profiler(*args, **kwds)
 
@@ -54,12 +53,14 @@ CUDA分析器。通过CUDA运行时应用程序编程接口对CUDA程序进行
 
 
 
-英文版API文档: :ref:`api_fluid_profiler_cuda_profiler` 
+
+
+
 
 .. _cn_api_fluid_profiler_profiler:
 
 profiler
->>>>>>>>>>>>
+-------------------------------
 
 .. py:function:: paddle.fluid.profiler.profiler(*args, **kwds)
 
@@ -93,12 +94,14 @@ profile interface 。与cuda_profiler不同，此profiler可用于分析CPU和GP
 
 
 
-英文版API文档: :ref:`api_fluid_profiler_profiler` 
+
+
+
 
 .. _cn_api_fluid_profiler_reset_profiler:
 
 reset_profiler
->>>>>>>>>>>>
+-------------------------------
 
 .. py:function:: paddle.fluid.profiler.reset_profiler()
 
@@ -118,12 +121,14 @@ reset_profiler
 
 
 
-英文版API文档: :ref:`api_fluid_profiler_reset_profiler` 
+
+
+
 
 .. _cn_api_fluid_profiler_start_profiler:
 
 start_profiler
->>>>>>>>>>>>
+-------------------------------
 
 .. py:function:: paddle.fluid.profiler.start_profiler(state)
 
@@ -157,12 +162,14 @@ start_profiler
 
 
 
-英文版API文档: :ref:`api_fluid_profiler_start_profiler` 
+
+
+
 
 .. _cn_api_fluid_profiler_stop_profiler:
 
 stop_profiler
->>>>>>>>>>>>
+-------------------------------
 
 .. py:function::paddle.fluid.profiler.stop_profiler(sorted_key=None, profile_path='/tmp/profile')
 
@@ -192,5 +199,7 @@ stop_profiler
 
 
 
-英文版API文档: :ref:`api_fluid_profiler_stop_profiler` 
+
+
+
 

doc/fluid/api_cn/recordio_writer_cn.rst

+#######################
+ fluid.recordio_writer
+#######################
+
+
+
+
+.. _cn_api_fluid_recordio_writer_convert_reader_to_recordio_file:
+
+convert_reader_to_recordio_file
+-------------------------------
+
+.. py:function::  paddle.fluid.recordio_writer.convert_reader_to_recordio_file(filename, reader_creator, feeder, compressor=Compressor.Snappy, max_num_records=1000, feed_order=None)
+
+将 Python reader 转换为recordio文件
+
+**代码示例：**
+
+.. code-block:: python
+
+	import paddle.fluid as fluid
+	import paddle.dataset.mnist as mnist
+	import paddle
+
+	tmp_program = fluid.Program()
+	with fluid.program_guard(tmp_program):
+	    img = fluid.layers.data(name='img', shape=[784])
+	    label = fluid.layers.data(name='label', shape=[1], dtype='int64')
+	feeder = fluid.DataFeeder(feed_list=[img, label], place=fluid.CPUPlace())
+	# mnist.recordio 会在当前目录生成
+	fluid.recordio_writer.convert_reader_to_recordio_file(
+	                    filename="mnist.recordio",
+	                    reader_creator=paddle.batch(mnist.train(), batch_size=32),
+	                    feeder=feeder)
+
+参数：
+	- **filename** (str) - recordio文件名
+	- **reader_creator** (callable) - Python reader的创造器。可参考 :ref:`api_guide_python_reader`
+	- **feeder** (DataFeeder) - 数据处理实例。用于将 :code:`reader_creator` 转换为 :code:`lod_tensor`
+	- **compressor** – 必须在 :code:`fluid.core.RecordIOWriter.Compressor.Snappy` 或 :code:` fluid.core.RecordIOWriter.Compressor.NoCompress` 中， 默认情况下使用 :code:`Snappy`
+	- **max_num_records** (int) – 一个 chuck 中 records 的最大数量。每个 records 都是 reader 函数的返回值
+	- **feed_order** (list) - reader 返回的变量名的顺序
+
+返回： 保存的 record 的数目
+
+返回类型： int
+
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_recordio_writer_convert_reader_to_recordio_files:
+
+convert_reader_to_recordio_files
+-------------------------------
+
+.. py:function:: paddle.fluid.recordio_writer.convert_reader_to_recordio_files(filename, batch_per_file, reader_creator, feeder, compressor=Compressor.Snappy, max_num_records=1000, feed_order=None)
+
+该函数可以将一个python驱动的reader（数据读取器）转变为多个recodio文件。
+
+该API实现的功能和 ``convert_reader_to_recordio_file`` 基本相同，只不过本函数会生成多个recordio文件。
+每个文件最多存储 ``batch_per_file`` 条记录。
+
+请参照 :ref:`cn_api_fluid_recordio_writer_convert_reader_to_recordio_file` 获取更详细的介绍。
+
+
+
+
+
+
+
+
+

doc/fluid/api_cn/regularizer_cn.rst

-
-#################
+###################
  fluid.regularizer
-#################
+###################
+
+.. _cn_api_fluid_regularizer_L1Decay:
+
+L1Decay
+-------------------------------
+
+.. py:attribute::   paddle.fluid.regularizer.L1Decay
+
+``L1DecayRegularizer`` 的别名
 
 
 
 .. _cn_api_fluid_regularizer_L1DecayRegularizer:
 
 L1DecayRegularizer
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.regularizer.L1DecayRegularizer(regularization_coeff=0.0)
 
@@ -37,12 +45,26 @@ L1正则将会稀疏化权重矩阵。
   
 
 
-英文版API文档: :ref:`api_fluid_regularizer_L1DecayRegularizer` 
+
+
+
+.. _cn_api_fluid_regularizer_L2Decay:
+
+L2Decay
+-------------------------------
+
+.. py:attribute::   paddle.fluid.regularizer.L2Decay
+
+``L2DecayRegularizer`` 的别名
+
+
+
+
 
 .. _cn_api_fluid_regularizer_L2DecayRegularizer:
 
 L2DecayRegularizer
->>>>>>>>>>>>
+-------------------------------
 
 .. py:class:: paddle.fluid.regularizer.L2DecayRegularizer(regularization_coeff=0.0)
 
@@ -68,5 +90,7 @@ L2DecayRegularizer
 
 
 
-英文版API文档: :ref:`api_fluid_regularizer_L2DecayRegularizer` 
+
+
+
 

doc/fluid/api_cn/transpiler_cn.rst

+#################
+ fluid.transpiler
+#################
+
+
+
+.. _cn_api_fluid_transpiler_DistributeTranspiler:
+
+DistributeTranspiler
+-------------------------------
+
+.. py:class:: paddle.fluid.transpiler.DistributeTranspiler (config=None)
+
+
+该类可以把fluid program转变为分布式数据并行计算程序（distributed data-parallelism programs）,可以有Pserver和NCCL2两种模式。
+当program在Pserver（全称：parameter server）模式下， ``main_program`` (主程序)转为使用一架远程parameter server(即pserver,参数服务器)来进行参数优化，并且优化图会被输入到一个pserver program中。
+在NCCL2模式下，transpiler会在 ``startup_program`` 中附加一个 ``NCCL_ID`` 广播算子（broadcasting operators）来实现在该集群中所有工作结点共享``NCCL_ID`` 。
+调用 ``transpile_nccl2`` 后， 你 **必须** 将 ``trainer_id`` , ``num_trainers`` 参数提供给 ``ParallelExecutor`` 来启动NCCL2分布式模式。 
+
+
+
+
+**代码示例**
+
+..  code-block:: python
+
+	# for pserver mode
+	pserver_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
+	trainer_endpoints = "192.168.0.1:6174,192.168.0.2:6174"
+	current_endpoint = "192.168.0.1:6174"
+	trainer_id = 0
+	trainers = 4
+	role = os.getenv("PADDLE_TRAINING_ROLE")
+
+	t = fluid.DistributeTranspiler()
+	t.transpile(
+     	     trainer_id, pservers=pserver_endpoints, trainers=trainers)
+	if role == "PSERVER":
+     	     pserver_program = t.get_pserver_program(current_endpoint)
+             pserver_startup_program = t.get_startup_program(current_endpoint,
+                                                     pserver_program)
+	elif role == "TRAINER":
+             trainer_program = t.get_trainer_program()
+
+	# for nccl2 mode
+	config = fluid.DistributeTranspilerConfig()
+	config.mode = "nccl2"
+	t = fluid.DistributeTranspiler(config=config)
+	t.transpile(trainer_id, workers=workers, current_endpoint=curr_ep)
+	exe = fluid.ParallelExecutor(
+    	    use_cuda,
+            loss_name=loss_var.name,
+            num_trainers=len(trainers.split(",)),
+            trainer_id=trainer_id
+	)
+
+
+
+.. py:method:: transpile(trainer_id, program=None, pservers='127.0.0.1:6174', trainers=1, sync_mode=True, startup_program=None, current_endpoint='127.0.0.1:6174')
+
+该方法可以运行该transpiler（转译器）。
+
+参数:	
+	- **trainer_id** (int) – 当前Trainer worker的id, 如果有n个Trainer worker, id 取值范围为0 ~ n-1
+	- **program** (Program|None) – 待transpile（转译）的program, 缺省为 ``fluid.default_main_program()`` 
+	- **startup_program** (Program|None) - 要转译的 ``startup_program`` ,默认为 ``fluid.default_startup_program()``
+	- **pservers** (str) – 内容为Pserver列表的字符串，格式为：按逗号区分不同的Pserver，每个Pserver的格式为 *ip地址:端口号* 
+	- **trainers** (int|str) – 在Pserver模式下，该参数指Trainer机的个数；在nccl2模式下，它是一个内容为Trainer终端列表的字符串
+	- **sync_mode** (bool) – 是否做同步训练(synchronous training), 默认为True
+ 	- **startup_program** (Program|None) – 待transpile（转译）的startup_program，默认为 ``fluid.default_main_program()``
+	- **current_endpoint** (str) – 当需要把program转译（transpile）至NCCL2模式下时，需要将当前endpoint（终端）传入该参数。Pserver模式不使用该参数
+
+.. py:method:: get_trainer_program(wait_port=True)
+
+
+该方法可以得到Trainer侧的program。
+
+返回:	Trainer侧的program
+
+返回类型:	Program
+
+
+
+.. py:method:: get_pserver_program(endpoint)
+
+
+该方法可以得到Pserver（参数服务器）侧的程序
+ 
+参数:	
+	- **endpoint** (str) – 当前Pserver终端
+ 
+返回:	当前Pserver需要执行的program
+
+返回类型:	Program
+
+
+.. py:method:: get_pserver_programs(endpoint)
+
+
+该方法可以得到Pserver侧用于分布式训练的 ``main_program`` 和 ``startup_program`` 。
+
+参数:	
+	- **endpoint** (str) – 当前Pserver终端
+
+返回:	(main_program, startup_program), “Program”类型的元组
+
+返回类型:	tuple 
+ 
+ 
+.. py:method:: get_startup_program(endpoint, pserver_program=None, startup_program=None)
+
+
+**该函数已停止使用**
+获取当前Pserver的startup_program，如果有多个被分散到不同blocks的变量，则修改operator的输入变量。
+
+参数:	
+	- **endpoint** (str) – 当前Pserver终端
+	- **pserver_program** (Program) – 已停止使用。 先调用get_pserver_program
+ 	- **startup_program** (Program) – 已停止使用。应在初始化时传入startup_program
+
+返回:	Pserver侧的startup_program
+
+返回类型:	Program
+
+
+
+
+
+
+
+.. _cn_api_fluid_transpiler_DistributeTranspilerConfig:
+
+DistributeTranspilerConfig
+-------------------------------
+
+.. py:class:: paddle.fluid.transpiler.DistributeTranspilerConfig
+
+.. py:method:: slice_var_up (bool)
+
+为Pserver将张量切片, 默认为True
+
+.. py:method:: split_method (PSDispatcher)
+
+可使用 RoundRobin 或者 HashName
+
+注意: 尝试选择最佳方法来达到负载均衡。
+
+
+.. py:attribute:: min_block_size (int)
+
+最小数据块的大小
+
+注意: 根据：https：//github.com/PaddlePaddle/Paddle/issues/8638#issuecomment-369912156, 当数据块大小超过2MB时，我们可以有效地使用带宽。如果你想更改它，请详细查看slice_variable函数。
+
+
+
+
+
+
+
+.. _cn_api_fluid_transpiler_HashName:
+
+HashName
+-------------------------------
+
+.. py:class:: paddle.fluid.transpiler.HashName(pserver_endpoints)
+
+使用 python ``Hash()`` 函数将变量名散列到多个pserver终端。
+
+参数:
+  - **pserver_endpoints** (list) - endpoint （ip:port）的 list 
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_transpiler_memory_optimize:
+
+memory_optimize
+-------------------------------
+
+.. py:function:: paddle.fluid.transpiler.memory_optimize(input_program, skip_opt_set=None, print_log=False, level=0, skip_grads=False)
+
+通过重用var内存来优化内存。
+
+注意:它不支持block中嵌套子block。
+
+参数:
+  - **input_program** (str) – 输入Program。
+  - **skip_opt_set** (set) – set中的vars将不被内存优化。
+  - **print_log** (bool) – 是否打印debug日志。
+  - **level** (int) - 如果 level=0 并且shape是完全相等，则重用。
+
+返回: None
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_transpiler_release_memory:
+
+release_memory
+-------------------------------
+
+.. py:function:: paddle.fluid.transpiler.release_memory(input_program, skip_opt_set=None) 
+
+
+该函数可以调整输入program，插入 ``delete_op`` 删除算子，提前删除不需要的变量。
+改动是在变量本身上进行的。
+
+**提醒** : 该API还在试验阶段，会在后期版本中删除。不建议用户使用。
+
+参数:
+    - **input_program** (Program) – 在此program中插入 ``delete_op`` 
+    - **skip_opt_set** (set) – 在内存优化时跳过的变量的集合
+
+返回: None
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+.. _cn_api_fluid_transpiler_RoundRobin:
+
+RoundRobin
+-------------------------------
+
+.. py:class:: paddle.fluid.transpiler.RoundRobin(pserver_endpoints)
+
+使用 ``RondRobin`` 方法将变量分配给服务器端点。
+
+`RondRobin <https://en.wikipedia.org/wiki/Round-robin_scheduling>`_
+
+参数:
+  - **pserver_endpoints** (list) - endpoint （ip:port）的 list 
+ 
+ 
+
+
+
+
+
+