fix_dead links and remove dropout (#2643)

doc/fluid/api_cn/nn_cn/Dropout_cn.rst

-.. _cn_api_nn_Dropout:
-
-Dropout
--------------------------------
-
-.. py:function:: paddle.nn.Dropout(p=0.5, axis=None, mode="upscale_in_train”, name=None)
-
-Dropout是一种正则化手段，该算子根据给定的丢弃概率 `p` ，在训练过程中随机将一些神经元输出设置为0，通过阻止神经元节点间的相关性来减少过拟合。论文请参考: `Improving neural networks by preventing co-adaptation of feature detectors <https://arxiv.org/abs/1207.0580>`_ 
-
-在动态图模式下，请使用模型的 `eval()` 方法切换至测试阶段。
-
-.. note::
-   对应的 `functional方法` 请参考: :ref:`cn_api_nn_functional_dropout` 。
-
-参数
-:::::::::
- - **p** (float): 将输入节点置为0的概率， 即丢弃概率。默认: 0.5。
- - **axis** (int|list): 指定对输入 `Tensor` 进行Dropout操作的轴。默认: None。
- - **mode** (str): 丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认: 'upscale_in_train'。计算方法如下:
-
-    1. upscale_in_train, 在训练时增大输出结果。
-
-       - train: out = input * mask / ( 1.0 - p )
-       - inference: out = input
-
-    2. downscale_in_infer, 在预测时减小输出结果
-
-       - train: out = input * mask
-       - inference: out = input * (1.0 - p)
-
- - **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` 。
-
-形状
-:::::::::
- - **输入** : N-D `Tensor` 。
- - **输出** : N-D `Tensor` ，形状与输入相同。
-
-代码示例
-:::::::::
-
-.. code-block:: python
-
-    import paddle
-    import numpy as np
-
-    paddle.disable_static()
-    x = np.array([[1,2,3], [4,5,6]]).astype('float32')
-    x = paddle.to_tensor(x)
-    m = paddle.nn.Dropout(p=0.5)
-    y_train = m(x)
-    m.eval()  # switch the model to test phase
-    y_test = m(x)
-    print(x.numpy())
-    print(y_train.numpy())
-    print(y_test.numpy())

doc/fluid/api_cn/nn_cn/dropout_cn.rst

-.. _cn_api_nn_cn_dropout:
-
-dropout
--------------------------------
-:doc_source: paddle.fluid.layers.dropout
-
-

doc/paddle/api/paddle/nn/layer/common/Dropout_cn.rst

-.. _cn_api_fluid_dygraph_Dropout:
+.. _cn_api_nn_Dropout:
 
 Dropout
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Dropout(p=0.5, seed=None, dropout_implementation='downgrade_in_infer', is_test=False)
+.. py:function:: paddle.nn.Dropout(p=0.5, axis=None, mode="upscale_in_train”, name=None)
 
-丢弃或者保持输入的每个元素独立。Dropout是一种正则化手段，通过在训练过程中阻止神经元节点间的相关性来减少过拟合。根据给定的丢弃概率，dropout操作符按丢弃概率随机将一些神经元输出设置为0，其他的仍保持不变。
+Dropout是一种正则化手段，该算子根据给定的丢弃概率 `p` ，在训练过程中随机将一些神经元输出设置为0，通过阻止神经元节点间的相关性来减少过拟合。论文请参考: `Improving neural networks by preventing co-adaptation of feature detectors <https://arxiv.org/abs/1207.0580>`_ 
 
-Dropout层可以删除，提高执行效率。
+在动态图模式下，请使用模型的 `eval()` 方法切换至测试阶段。
 
-参数：
-    - **p** (float32，可选) - 输入单元的丢弃概率，即输入单元设置为0的概率。默认值：0.5
-    - **seed** (int，可选) - 整型数据，用于创建随机种子。如果该参数设为None，则使用随机种子。注：如果给定一个整型种子，始终丢弃相同的输出单元。训练过程中勿用固定不变的种子。默认值：None。
-    - **dropout_implementation** (str，可选) - 丢弃单元的方式，有两种'downgrade_in_infer'和'upscale_in_train'两种选择，默认：'downgrade_in_infer'。具体作用可以参考一下描述。
+.. note::
+   对应的 `functional方法` 请参考: :ref:`cn_api_nn_functional_dropout` 。
 
-      1. downgrade_in_infer(default), 在预测时减小输出结果
+参数
+:::::::::
+ - **p** (float): 将输入节点置为0的概率， 即丢弃概率。默认: 0.5。
+ - **axis** (int|list): 指定对输入 `Tensor` 进行Dropout操作的轴。默认: None。
+ - **mode** (str): 丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认: 'upscale_in_train'。计算方法如下:
 
-         - train: out = input * mask
+    1. upscale_in_train, 在训练时增大输出结果。
 
-         - inference: out = input * (1.0 - p)
+       - train: out = input * mask / ( 1.0 - p )
+       - inference: out = input
 
-         (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 ``p`` )
+    2. downscale_in_infer, 在预测时减小输出结果
 
-      2. upscale_in_train, 增加训练时的结果
+       - train: out = input * mask
+       - inference: out = input * (1.0 - p)
 
-         - train: out = input * mask / ( 1.0 - p )
+ - **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` 。
 
-         - inference: out = input
+形状
+:::::::::
+ - **输入** : N-D `Tensor` 。
+ - **输出** : N-D `Tensor` ，形状与输入相同。
 
-         (mask是一个张量，维度和输入维度相同，值为0或1，值为0的比例即为 ``p`` ）
-
-    - **is_test** (bool，可选) - 标记是否是测试阶段。此标志仅对静态图模式有效。对于动态图模式，请使用 ``eval()`` 接口。默认：False。
-
-返回：无
-
-**代码示例**：
+代码示例
+:::::::::
 
 .. code-block:: python
 
-    import paddle.fluid as fluid
-    from paddle.fluid.dygraph.base import to_variable
+    import paddle
     import numpy as np
 
-    x = np.random.random(size=(3, 10, 3, 7)).astype('float32')
-    with fluid.dygraph.guard():
-        x = to_variable(x)
-        m = fluid.dygraph.Dropout(p=0.5)
-        droped_train = m(x)
-        # 切换到 eval 模式
-        m.eval()
-        droped_eval = m(x)
-
+    paddle.disable_static()
+    x = np.array([[1,2,3], [4,5,6]]).astype('float32')
+    x = paddle.to_tensor(x)
+    m = paddle.nn.Dropout(p=0.5)
+    y_train = m(x)
+    m.eval()  # switch the model to test phase
+    y_test = m(x)
+    print(x.numpy())
+    print(y_train.numpy())
+    print(y_test.numpy())

doc/paddle/release_note_cn.md

@@ -129,7 +129,7 @@
 	- 新增常见Loss接口`paddle.nn.loss.*`和Metric接口`paddle.metric.*`的封装
 	- 发布基于高层API实现的12个模型
 		- Transformer，Seq2seq，LAC，BMN，ResNet，YOLOv3，VGG，MobileNet，TSM，CycleGAN，Bert，OCR
-		- 发布于[PaddlePaddle/hapi](https://github.com/paddlePaddle/hapi)仓库的[examples](https://github.com/PaddlePaddle/hapi/tree/master/examples)目录
+		- 发布于[PaddlePaddle/hapi](https://github.com/paddlePaddle/hapi)仓库
 - **模型执行**
     - 新增Model类`paddle.Model`封装，封装模型开发过程中常用的基础功能，包括：
 		- 提供`Model.summary`接口，用于查看动态图组网的网络结构与参数数量。

doc/paddle/release_note_en.md

@@ -129,7 +129,7 @@ For Version Paddle 2.x, users are recommended to use APIs in the paddle root dir
 
 - **Model Networking**
   - Added the encapsulation of the common loss API `paddle.nn.loss.*` and metric API `paddle.metric.*`
-  - Released 12 models based on high-level API implementations, including Transformer, Seq2seq, LAC, BMN, ResNet, YOLOv3, VGG, MobileNet, TSM, CycleGAN, Bert, OCR. The code can be found in [PaddlePaddle/hapi examples](https://github.com/PaddlePaddle/hapi/tree/master/examples).
+  - Released 12 models based on high-level API implementations, including Transformer, Seq2seq, LAC, BMN, ResNet, YOLOv3, VGG, MobileNet, TSM, CycleGAN, Bert, OCR. The code can be found in [PaddlePaddle/hapi](https://github.com/PaddlePaddle/hapi).
 
 - **Model Execution**
   - Added class API `paddle.Model`, which encapsulates the common model development methods: