Change Doc As Required

doc/fluid/api_guides/low_level/layers/sequence.rst

@@ -6,20 +6,24 @@
 
 在深度学习领域许多问题涉及到对 `序列（sequence） <https://en.wikipedia.org/wiki/Sequence>`_ 的处理。
 从Wiki上的释义可知，序列可以表征多种物理意义，但在深度学习中，最常见的仍然是"时间序列"——一个序列包含多个时间步的信息。
-在Paddle Fluid中，我们将序列表示为 `LoDTensor <http://www.paddlepaddle.org/documentation/api/zh/1.0/fluid.html#lodtensor>`_ ，
-对这类tensor第0维的操作不能简单地使用一般的layer来进行，因为这一维中的序列信息必须要结合LoD的信息，才能区分不同序列。(例如，你不能用 :code:`layers.reshape` 来对一个序列的第0维进行reshape)。
+
+在Paddle Fluid中，我们将序列表示为 `LoDTensor <http://www.paddlepaddle.org/documentation/api/zh/1.0/fluid.html#lodtensor>`_ 。
+因为一般进行神经网络计算时都是一个batch一个batch地计算，所以我们一般用一个LoDTensor来存储一个mini batch的序列。
+一个LoDTensor的第0维包含该mini batch中所有序列的所有时间步，并且用LoD来记录各个序列的长度，区分不同序列。
+而在运算时，还需要根据LoD信息将LoDTensor中一个mini batch的第0维拆开成多个序列。（具体请参考上述LoD相关的文档。）
+所以，对这类LoDTensor第0维的操作不能简单地使用一般的layer来进行，因为针对这一维的操作必须要结合LoD的信息。
+(例如，你不能用 :code:`layers.reshape` 来对一个序列的第0维进行reshape)。
 
 因此为了实行各类针对序列的操作，我们设计了一系列序列相关的API，专门用于正确处理序列相关的操作。
-实践中，这些layer处理的通常不会是单个序列，而往往是一个mini batch的序列，因为一般进行神经网络计算时都是一个batch一个batch地计算，所以我们一般用一个LoDTensor来存储一个mini batch的序列。
-同一个mini batch中不同的序列通常属于多个sample，它们彼此之间不会也不应该发生相互作用。
-因此，若一个layer以两个（或多个）LoDTensor为输入（或者以一个list的LoDTensor为输入），每一个LoDTensor代表一个mini batch的序列，则第一个batch中的第一个序列只会和第二个batch中的第一个序列发生计算，
-第一个batch中的第二个序列只会和第二个batch中的第二个序列发生计算，第一个batch中的第i个序列只会和第二个batch中第i个序列发生计算，依此类推。
-总而言之，一个LoDTensor存储一个mini batch的多个序列，其中的序列个数为batch size；多个LoDTensor间发生相互计算时，batch中的第i个序列只会和第i个序列相互计算。
+实践中，由于一个LoDTensor包括一个mini batch的序列，同一个mini batch中不同的序列通常属于多个sample，它们彼此之间不会也不应该发生相互作用。
+因此，若一个layer以两个（或多个）LoDTensor为输入（或者以一个list的LoDTensor为输入），每一个LoDTensor代表一个mini batch的序列，则第一个LoDTensor中的第一个序列只会和第二个LoDTensor中的第一个序列发生计算，
+第一个LoDTensor中的第二个序列只会和第二个LoDTensor中的第二个序列发生计算，第一个LoDTensor中的第i个序列只会和第二个LoDTensor中第i个序列发生计算，依此类推。
+总而言之，一个LoDTensor存储一个mini batch的多个序列，其中的序列个数为batch size；多个LoDTensor间发生相互计算时，每个LoDTensor中的第i个序列只会和第i个序列相互计算。
 理解这一点对于理解接下来序列相关的操作会至关重要。
 
 1. sequence_softmax
 -------------------
-这个layer以一个mini batch的序列为输入，在每个序列内做softmax操作。其输出为一个mini batch相同shape的序列，只不过在序列内是经softmax归一化过的。
+这个layer以一个mini batch的序列为输入，在每个序列内做softmax操作。其输出为一个mini batch相同shape的序列，但在序列内是经softmax归一化过的。
 这个layer往往用于在每个sequence内做softmax归一化。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_softmax`
@@ -28,8 +32,8 @@ API Reference 请参考 :ref:`api_fluid_layers_sequence_softmax`
 2. sequence_concat
 ------------------
 这个layer以一个list为输入，该list中可以含有多个LoDTensor，每个LoDTensor为一个mini batch的序列。
-该layer会将每个batch中的第i个序列在时间步的那一维拼接成一个新的序列，作为返回的batch中的第i个序列。
-理所当然地，list中每个LoDTensor的序列必须有相同的batch size.
+该layer会将每个batch中的第i个序列在时间维度上拼接成一个新的序列，作为返回的batch中的第i个序列。
+理所当然地，list中每个LoDTensor的序列必须有相同的batch size。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_concat`
 
@@ -43,7 +47,7 @@ API Reference 请参考 :ref:`api_fluid_layers_sequence_first_step`
 
 4. sequence_last_step
 ---------------------
-同 :code:`sequence_first_step` ，不过是取每个序列中最后一个元素（时间步的最后一步）作为返回值。
+同 :code:`sequence_first_step` ，除了本layer是取每个序列中最后一个元素（时间步的最后一步）作为返回值。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_last_step`
 
@@ -51,7 +55,7 @@ API Reference 请参考 :ref:`api_fluid_layers_sequence_last_step`
 5. sequence_expand
 ------------------
 这个layer有两个LoDTensor的序列作为输入，并按照第二个LoDTensor中序列的LoD信息来扩展第一个batch中的序列。
-通常用来将只有一个时间步的序列（例如 :code:`sequence_first_step` 的返回结果）延展成有多个时间步的序列，以此方便进行对位运算。
+通常用来将只有一个时间步的序列（例如 :code:`sequence_first_step` 的返回结果）延展成有多个时间步的序列，以此方便与有多个时间步的序列进行运算。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_expand`
 
@@ -82,26 +86,26 @@ API Reference 请参考 :ref:`api_fluid_layers_sequence_reshape`
 9. sequence_scatter
 -------------------
 这个layer可以将一个序列的数据scatter到另一个tensor上。这个layer有三个input，一个要被scatter的目标tensor :code:`input`；
-一个是序列的数据 :code:`update` ，一个是目标tensor的上坐标 :code:`index` . Output为scatter后的tensor，形状和 :code:`input` 相同。
+一个是序列的数据 :code:`update` ，一个是目标tensor的上坐标 :code:`index` 。Output为scatter后的tensor，形状和 :code:`input` 相同。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_scatter`
 
 
 10. sequence_pad
 ----------------
-这个layer可以将不等长的序列补齐成等长序列。使用这个layer需要提供一个 :code:`PadValue` 和一个 :code:`padded_length` .
+这个layer可以将不等长的序列补齐成等长序列。使用这个layer需要提供一个 :code:`PadValue` 和一个 :code:`padded_length`。
 前者是用来补齐序列的元素，可以是一个数也可以是一个tensor；后者是序列补齐的目标长度。
-这个layer会返回补齐后的序列，以及一个记录补齐前各个序列长度的tensor :code:`Length` .
+这个layer会返回补齐后的序列，以及一个记录补齐前各个序列长度的tensor :code:`Length`。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_pad`
 
 
 11. sequence_mask
 -----------------
-这个layer会根据 :code:`input` 生成一个mask，:code:`input` 是一个记录了每个序列长度的tensor.
+这个layer会根据 :code:`input` 生成一个mask，:code:`input` 是一个记录了每个序列长度的tensor。
 此外这个layer还需要一个参数 :code:`maxlen` 用于指定序列中最长的序列长度。
 通常这个layer用于生成一个mask，将被pad后的序列中pad的部分过滤掉。
- :code:`input` 的长度tensor通常可以直接用 :code:`sequence_pad` 返回的 :code:`Length` .
+:code:`input` 的长度tensor通常可以直接用 :code:`sequence_pad` 返回的 :code:`Length`。
 
 API Reference 请参考 :ref:`api_fluid_layers_sequence_mask`