fix sequence_pad cn doc (#1398)

* fix sequence_pad cn doc

* add input output shape

* fix length info

* fix length info and pad_value info

* test=document_fix

doc/fluid/api_cn/layers_cn/sequence_pad_cn.rst

@@ -5,77 +5,64 @@ sequence_pad
 
 .. py:function:: paddle.fluid.layers.sequence_pad(x,pad_value,maxlen=None,name=None)
 
-序列填充操作符（Sequence Pad Operator）
+序列填充操作符（Sequence Pad Operator）,该OP将同一batch中的序列填充到一个一致的长度（由 ``maxlen`` 指定）。填充的新元素的值具体由输入 ``pad_value`` 指定，并会添加到每一个序列的末尾，使得他们最终的长度保持一致。最后返回一个Python tuple ``(Out, Length)`` ，其中LodTensor ``Out`` 为填充后的序列，LodTensor ``Length`` 为填充前的原序列长度信息。
 
-这个操作符将同一batch中的序列填充到一个一致的长度。长度由属性padded_length指定。填充的新元素的值具体由输入 ``PadValue`` 指定，并会添加到每一个序列的末尾，使得他们最终的长度保持一致。
+注意，该OP的输入 ``x`` 只能是LodTensor。
 
-以下的例子更清晰地解释此操作符的工作原理：
+范例如下：
 
 ::
 
     例1:
+    给定输入1-level LoDTensor x:
+        x.lod = [[0,  2,   5]]    #输入的两个序列长度是2和3
+        x.data = [[a],[b],[c],[d],[e]]
+    和输入 pad_value:
+        pad_value.data = [0]
+    设置 maxlen = 4
 
-    给定 1-level LoDTensor
-
-    input(X):
-        X.lod = [[0,2,5]]
-        X.data = [a,b,c,d,e]
-    input(PadValue):
-        PadValue.data = [0]
-
-    'padded_length'=4
-
-    得到LoDTensor:
-        Out.data = [[a,b,0,0],[c,d,e,0]]
-        Length.data = [[2],[3]]
+    得到得到tuple (Out, Length):
+        Out.data = [[[a],[b],[0],[0]],[[c],[d],[e],[0]]]
+        Length.data = [2, 3]      #原序列长度是2和3
 
 ::
 
     例2:
-
-    给定 1-level LoDTensor
-
-    input(X):
-        X.lod = [[0,2,5]]
-        X.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
-    input(PadValue):
-        PadValue.data = [0]
-
-    'padded_length' = -1,表示用最长输入序列的长度(此例中为3)
-
-    得到LoDTensor:
+    给定输入1-level LoDTensor x:
+        x.lod =  [[0,             2,                     5]]
+        x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
+    和输入 pad_value:
+        pad_value.data = [0]
+    默认 maxlen = None, (根据x的形状，此例中实际长度为3)
+
+    得到得到tuple (Out, Length):
         Out.data = [[[a1,a2],[b1,b2],[0,0]],[[c1,c2],[d1,d2],[e1,e2]]]
-        Length.data = [[2],[3]]
-
+        Length.data = [2， 3]
 
 ::
 
     例3:
-
-    给定 1-level LoDTensor
-
-    input(X):
-        X.lod = [[0,2,5]]
-        X.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
-    input(PadValue):
-        PadValue.data = [p1,p2]
-
-    'padded_length' = -1,表示用最长输入序列的长度（此例中为3）
-
-    得到LoDTensor:
+    给定输入1-level LoDTensor x:
+        x.lod =  [[0,             2,                     5]]
+        x.data = [[a1,a2],[b1,b2],[c1,c2],[d1,d2],[e1,e2]]
+    和输入 pad_value:
+        pad_value.data = [p1,p2]
+    默认 maxlen = None, (根据x的形状，此例中实际长度为3）
+
+    得到tuple (Out, Length):
         Out.data = [[[a1,a2],[b1,b2],[p1,p2]],[[c1,c2],[d1,d2],[e1,e2]]]
-        Length.data = [[2],[3]]
+        Length.data = [2， 3]
 
 
 参数：
-    - **x** (Vairable) - 输入变量，应包含lod信息
-    - **pad_value** (Variable) - 变量，存有放入填充步的值。可以是标量或tensor,维度和序列的时间步长相等。如果是标量,则自动广播到时间步长的维度
-    - **maxlen** (int,默认None) - 填充序列的长度。可以为空或者任意正整数。当为空时，以序列中最长序列的长度为准，其他所有序列填充至该长度。当是某个特定的正整数，最大长度必须大于最长初始序列的长度
-    - **name** (str|None) – 该层的命名(可选项)。 如果为 None, 则自动命名
+    - **x** (Vairable) - 输入，维度为 ``[M, K]`` 的LoDTensor，仅支持lod_level为1。lod所描述的序列数量，作为要填充的batch_size。数据类型为int32，int64，float32或float64。
+    - **pad_value** (Variable) - 填充值，可以是标量或长度为 ``K`` 的一维Tensor。如果是标量，则自动广播为Tensor。数据类型需与 ``x`` 相同。
+    - **maxlen** (int，可选) - 填充序列的长度。默认为None，此时以序列中最长序列的长度为准，其他所有序列填充至该长度。当是某个特定的正整数，最大长度必须大于最长初始序列的长度。
+    - **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：填充序列批（batch）和填充前的初始长度。所有输出序列的长度相等
+返回：元素为两个LoDTensor的Python tuple。第一个元素为填充后的变量 ``Out`` ，形状为 ``[batch_size, maxlen, K]`` ，lod level为0的LoDTensor，数据类型与输入 ``x`` 相同。第二个元素为填充前的原序列长度信息 ``Length`` ，lod level为0的一维LoDTensor，长度等于batch_size，数据类型为int64。
 
-返回类型：变量（Variable）
+返回类型：tuple
 
 **代码示例**：
 
@@ -97,4 +84,3 @@ sequence_pad
 
 
 
-