Add the Chinese doc for tile api (#2388)

* modify the doc, test=develop

doc/fluid/api_cn/paddle_cn.rst

@@ -155,6 +155,7 @@ paddle
 	paddle_cn/strided_slice_cn.rst
 	paddle_cn/sums_cn.rst
 	paddle_cn/tanh_cn.rst
+	paddle_cn/tile_cn.rst
 	paddle_cn/topk_cn.rst
 	paddle_cn/trace_cn.rst
 	paddle_cn/transpose_cn.rst

doc/fluid/api_cn/paddle_cn/tile_cn.rst

+.. _cn_api_paddle_cn_tile: 
+
+tile
+-------------------------------
+:doc_source: paddle.tensor.tile
+

doc/fluid/api_cn/tensor_cn.rst

@@ -145,6 +145,7 @@ paddle.tensor
     tensor_cn/t_cn.rst
     tensor_cn/tanh_cn.rst
     tensor_cn/tensordot_cn.rst
+    tensor_cn/tile_cn.rst
     tensor_cn/topk_cn.rst
     tensor_cn/trace_cn.rst
     tensor_cn/transpose_cn.rst

doc/fluid/api_cn/tensor_cn/tile_cn.rst

+.. _cn_api_tensor_tile: 
+
+tile
+-------------------------------
+
+.. py:function:: paddle.tile(x, repeat_times, name=None)
+
+根据参数 ``repeat_times`` 对输入 ``x`` 的各维度进行复制。
+
+``x`` 的维数和 ``repeat_times`` 中的元素数量应小于等于6，并且repeat_times中的元素数量应该小于等于6。
+
+参数
+:::::::::
+    - x (Tensor) - 输入的Tensor，数据类型为：bool、float32、float64、int32或int64。
+    - repeat_times (list|tuple|Tensor) - 指定输入 ``x`` 每个维度的复制次数。如果 ``repeat_times`` 的类型是list或tuple，它的元素可以是整数或者数据类型为int32的1-D Tensor。如果 ``repeat_times`` 的类型是Tensor，则是数据类型为int32的1-D Tensor。
+    - name (str，可选) - 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name` 。
+
+返回
+:::::::::
+``Tensor`` ，数据类型与 ``x`` 相同。返回值的第i维的大小等于 ``x[i] * repeat_times[i]`` 。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+    import paddle
+    import numpy as np
+    
+    paddle.disable_static()
+    np_data = np.array([1, 2, 3]).astype('int32')
+    data = paddle.to_tensor(np_data)
+    out = paddle.tile(data, repeat_times=[2, 1])
+    np_out = out.numpy()
+    # [[1, 2, 3], [1, 2, 3]]
+    
+    out = paddle.tile(data, repeat_times=[2, 2])
+    np_out = out.numpy()
+    # [[1, 2, 3, 1, 2, 3], [1, 2, 3, 1, 2, 3]]
+    
+    np_repeat_times = np.array([2, 1]).astype("int32")
+    repeat_times = paddle.to_tensor(np_repeat_times)
+    out = paddle.tile(data, repeat_times=repeat_times)
+    np_out = out.numpy()
+    # [[1, 2, 3], [1, 2, 3]]