follow comment

doc/fluid/api/api_guides/low_level/nets.rst

@@ -4,16 +4,15 @@
 复杂网络
 ###########
 
-在处理复杂功能时，我们通常需要写大量的代码来构建比较复杂的 `神经网络 <https://zh.wikipedia.org/wiki/人工神经网络>`_ 。
-因此，为了方便用户更加容易的搭建复杂网络模型，我们提供了一些比较常用的基本函数模块，以此来简化用户的代码量，从而降低开发成本。
-这些模块通常只是由细粒度的函数由一定的逻辑拼接组合而成，实现代码请参考 `nets.py <https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/fluid/nets.py>`_ 。
+在处理复杂功能时，我们通常需要写大量的代码来构建复杂的 `神经网络 <https://zh.wikipedia.org/wiki/人工神经网络>`_ 。
+因此，为了方便用户更加容易地搭建复杂网络模型，我们提供了一些比较常用的基本函数模块，以此来简化用户的代码量，从而降低开发成本。
+这些模块通常是由细粒度的函数根据一定的逻辑拼接组合而成，实现代码请参考 `nets.py <https://github.com/PaddlePaddle/Paddle/blob/develop/python/paddle/fluid/nets.py>`_ 。
 
 1.simple_img_conv_pool
 ----------------------
 
-:code:`simple_img_conv_pool` 是由 :code:`Convolution2d` 与 :code:`Pool2d` 串联而成。
-该模块在图像分类模型中广泛使用，比如应用在处理 `MNIST <https://en.wikipedia.org/wiki/MNIST_database>`_ 数字分类的问题。
-关于 :code:`Convolution2d` 可以参考 :ref:`api_fluid_layers_conv2d`, :code:`Pool2d` 可以参考 :ref:`api_fluid_layers_pool2d`。
+:code:`simple_img_conv_pool` 是由 :ref:`api_fluid_layers_conv2d` 与 :ref:`api_fluid_layers_pool2d` 串联而成。
+该模块在图像分类模型中广泛使用，比如应用在 `MNIST <https://en.wikipedia.org/wiki/MNIST_database>`_ 数字分类的问题。
 
 API Reference 请参考 :ref:`api_fluid_nets_simple_img_conv_pool`
 
@@ -21,12 +20,10 @@ API Reference 请参考 :ref:`api_fluid_nets_simple_img_conv_pool`
 2.img_conv_group
 ----------------
 
-:code:`img_conv_group` 是由 :code:`Convolution2d`, :code:`BatchNorm`, :code:`DropOut` 和 :code:`Pool2d` 组成。
-可以实现多个 :code:`Convolution2d`, :code:`BatchNorm` 和 :code:`DropOut` 的串联单元与一个 :code:`Pool2d` 组合的模块。
-:code:`Convolution2d`, :code:`BatchNorm` 和 :code:`DropOut` 的数量都可以分别控制，从而得到多样的组合。
-该模块通常广泛使用在比较复杂的图像分类任务中，比如 `VGG16 <https://github.com/PaddlePaddle/Paddle/blob/develop/benchmark/fluid/models/vgg.py#L30>`_ 。
-关于 :code:`Convolution2d` 可以参考 :ref:`api_fluid_layers_conv2d`, :code:`BatchNorm` 可以参考 :ref:`api_fluid_layers_batch_norm`, :code:`DropOut` 可以参考 :ref:`api_fluid_layers_dropout`, :code:`Pool2d` 可以参考 :ref:`api_fluid_layers_pool2d`。
-
+:code:`img_conv_group` 是由 :ref:`api_fluid_layers_conv2d` , :ref:`api_fluid_layers_batch_norm`, :ref:`api_fluid_layers_dropout` 和 :ref:`api_fluid_layers_pool2d` 组成。
+该模块可以实现多个 :ref:`api_fluid_layers_conv2d` , :ref:`api_fluid_layers_batch_norm` 和 :ref:`api_fluid_layers_dropout` 的串联单元与一个 :ref:`api_fluid_layers_pool2d` 组合的模块。
+其中， :ref:`api_fluid_layers_conv2d` , :ref:`api_fluid_layers_batch_norm` 和 :ref:`api_fluid_layers_dropout` 的数量都可以分别控制，从而得到多样的组合。
+该模块广泛使用在比较复杂的图像分类任务中，比如 `VGG <https://arxiv.org/pdf/1409.1556.pdf>`_ 。
 
 API Reference 请参考 :ref:`api_fluid_nets_img_conv_group`
 
@@ -34,34 +31,31 @@ API Reference 请参考 :ref:`api_fluid_nets_img_conv_group`
 3.sequence_conv_pool
 --------------------
 
-:code:`sequence_conv_pool` 是由 :code:`sequence_conv` 与 :code:`sequence_pool` 串联而成。
+:code:`sequence_conv_pool` 是由 :ref:`api_fluid_layers_sequence_conv` 与 :ref:`api_fluid_layers_sequence_pool` 串联而成。
 该模块在 `自然语言处理 <https://zh.wikipedia.org/wiki/自然语言处理>`_ 以及 `语音识别 <https://zh.wikipedia.org/wiki/语音识别>`_ 等领域均有广泛应用，
 比如 `文本分类模型 <https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleNLP/text_classification/nets.py>`_ , 
 `TagSpace <https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/tagspace/train.py>`_  以及 `Multi-view Simnet <https://github.com/PaddlePaddle/models/blob/develop/fluid/PaddleRec/multiview_simnet/nets.py>`_ 等模型。
-关于 :code:`sequence_conv` 可以参考 :ref:`api_fluid_layers_sequence_conv`, :code:`sequence_pool` 可以参考 :ref:`api_fluid_layers_sequence_pool`。
 
 API Reference 请参考 :ref:`api_fluid_nets_sequence_conv_pool`
 
 
 4.glu
 -----
-:code:`glu` 全称 Gated Linear Units， 来源于论文 `Language Modeling with Gated Convolutional Networks <https://arxiv.org/pdf/1612.08083.pdf>`_ ，由 :code:`Split` ， :code:`Sigmoid` 和 :code:`ElementWise_Mul` 组成。
+:code:`glu` 全称 Gated Linear Units， 来源于论文 `Language Modeling with Gated Convolutional Networks <https://arxiv.org/pdf/1612.08083.pdf>`_ ，由 :ref:`api_fluid_layers_split` ， :ref:`api_fluid_layers_sigmoid` 和 :ref:`api_fluid_layers_elementwise_mul` 组成。
 它会把输入数据均分为2等份，并对第二部分求 `Sigmoid <https://en.wikipedia.org/wiki/Sigmoid_function>`_ , 然后再与第一部分数据求点乘得到输出。
-关于 :code:`Split` 可以参考 :ref:`api_fluid_layers_split` ， :code:`Sigmoid` 可以参考 :ref:`api_fluid_layers_sigmoid` ， :code:`ElementWise_Mul` 可以参考 :ref:`api_fluid_layers_elementwise_mul` 。
 
 API Reference 请参考 :ref:`api_fluid_nets_glu`
 
 
 5.scaled_dot_product_attention
 ------------------------------
-:code:`scaled_dot_product_attention` 来源于论文 `Attention Is All You Need <https://arxiv.org/pdf/1706.03762.pdf>`_ ，主要是由 :code:`fc` 和 :code:`softmax` 组成。
+:code:`scaled_dot_product_attention` 来源于论文 `Attention Is All You Need <https://arxiv.org/pdf/1706.03762.pdf>`_ ，主要是由 :ref:`api_fluid_layers_fc` 和 :ref:`api_fluid_layers_softmax` 组成。
 对于输入数据 :code:`Queries` , :code:`Key` 和 :code:`Values` 按照如下公式求出 :code:`Attention` 。
 
 .. math::
  Attention(Q, K, V)= softmax(QK^\mathrm{T})V
 
 该模块广泛使用在 `机器翻译 <https://zh.wikipedia.org/zh/机器翻译>`_ 的模型中，比如 `Transformer <https://github.com/PaddlePaddle/models/tree/develop/fluid/PaddleNLP/neural_machine_translation/transformer>`_ 。
-关于 :code:`fc` 可以参考 :ref:`api_fluid_layers_fc` ， :code:`softmax` 可以参考 :ref:`api_fluid_layers_softmax` 。
 
 API Reference 请参考 :ref:`api_fluid_nets_scaled_dot_product_attention`