update rank_loss_cn.rst, test=develop (#1249)

* update rank_loss_cn.rst, test=develop

* update rank_loss_cn.rst, test=develop

* update rank_loss_cn.rst, test=develop

* update rank_loss_cn.rst, test=develop

* update rank_loss_cn.rst, test=develop

* add comment for dygraph layer, test=develop

* add comment for name, test=develop

doc/fluid/api_cn/layers_cn/rank_loss_cn.rst

@@ -3,35 +3,32 @@
 rank_loss
 -------------------------------
 
-
 .. py:function::  paddle.fluid.layers.rank_loss(label, left, right, name=None)
 
-`RankNet <http://icml.cc/2015/wp-content/uploads/2015/06/icml_ranking.pdf>`_ 是一个成对的
-排序模型，训练样本由一对文档组成：A和B。标签P表示a的排名是否高于B:
-
-P 的取值可为： {0, 1} 或 {0, 0.5, 1}, 其中，0.5表示输入的两文档排序相同。
+该OP实现了RankNet模型中的排序损失层。RankNet是一种文档对（pairwise）排序模型，训练样本由一对文档（假设用A、B来表示）组成。标签（假设用P来表示）表示A的排名是否高于B。更多详情请参考：`RankNet <http://icml.cc/2015/wp-content/uploads/2015/06/icml_ranking.pdf>`_
 
-排序的损失函数有三个输入:left(o_i)、right(o_j) 和 label (P\_{i,j})。输入分别表示RankNet对文档A、B的输出得分和标签p的值。由下式计算输入的排序损失C\_{i,j}:
+排序损失层有三个输入： :math:`o_i` 、 :math:`o_j` 和 :math:`\tilde{P_{ij}}` ，输入分别表示RankNet模型对文档A、B的输出得分和标签P的值；排序损失层的输入是批输入数据（批大小大于等于1）；标签P的取值可以为： {0, 1} 或 {0, 0.5, 1} ，其中，0.5表示输入文档对排序相同。输入数据的排序损失 :math:`C_{i,j}` 计算过程如下：
 
 .. math::
 
-   C_{i,j} &= -\tilde{P_{ij}} * o_{i,j} + \log(1 + e^{o_{i,j}}) \\
-      o_{i,j} &=  o_i - o_j  \\
-      \tilde{P_{i,j}} &= \left \{0, 0.5, 1 \right \} \ or \ \left \{0, 1 \right \}
+    C_{i,j} &= -\tilde{P_{ij}} * o_{i,j} + \log(1 + e^{o_{i,j}})
+
+    o_{i,j} &=  o_i - o_j
 
-排序损失层的输入带有batch_size (batch_size >= 1)
+    \tilde{P_{i,j}} &= \left \{0, 0.5, 1 \right \} \ or \ \left \{0, 1 \right \}
 
 参数：
-  - **label** (Variable)：A的排名是否高于B
-  - **left** (Variable)：RankNet对doc A的输出分数
-  - **right** (Variable)：RankNet对doc B的输出分数
-  - **name** (str|None)：此层的名称(可选)。如果没有设置，层将自动命名。
+    - **label** (Variable)：维度为 :math:`[batch,1]` 的2-D ``Tensor`` ，数据类型为float32。其中batch表示批数据的大小。表示A的排名是否高于B。
+    - **left** (Variable)：维度为 :math:`[batch,1]` 的2-D ``Tensor`` ，数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档A的输出得分。
+    - **right** (Variable)：维度为 :math:`[batch,1]` 的2-D ``Tensor`` ，数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档B的输出得分。
+    - **name** (str, 可选)：具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
 
-返回：rank loss的值
+返回：表示排序损失层输出值的 ``Tensor`` ，数据类型为float32，返回值维度为 :math:`[batch,1]` 。
 
-返回类型： list
+返回类型：Variable
 
-抛出异常： ``ValueError`` - label, left, 和right至少有一者不是variable变量类型。
+抛出异常：
+    - ``ValueError`` - 输入 ``label`` ， ``left`` ，和 ``right`` 至少有一个不是 ``Variable`` 类型。
 
 **代码示例**
 
@@ -43,5 +40,3 @@ P 的取值可为： {0, 1} 或 {0, 0.5, 1}, 其中，0.5表示输入的两文
     right = fluid.layers.data(name="right", shape=[-1, 1], dtype="float32")
     out = fluid.layers.rank_loss(label, left, right)
 
-
-