update cn docs (#1644)

test=develop test=document_fix

doc/fluid/api_cn/dygraph_cn/BatchNorm_cn.rst

@@ -3,7 +3,7 @@
 BatchNorm
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.BatchNorm(name_scope, num_channels, act=None, is_test=False, momentum=0.9, epsilon=1e-05, param_attr=None, bias_attr=None, dtype='float32', data_layout='NCHW', in_place=False, moving_mean_name=None, moving_variance_name=None, do_model_average_for_mean_and_var=False, use_global_stats=False, trainable_statistics=False)
+.. py:class:: paddle.fluid.dygraph.BatchNorm(num_channels, act=None, is_test=False, momentum=0.9, epsilon=1e-05, param_attr=None, bias_attr=None, dtype='float32', data_layout='NCHW', in_place=False, moving_mean_name=None, moving_variance_name=None, do_model_average_for_mean_and_var=False, use_global_stats=False, trainable_statistics=False)
 
 该接口用于构建 ``BatchNorm`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其中实现了批归一化层（Batch Normalization Layer）的功能，可用作卷积和全连接操作的批归一化函数，根据当前批次数据按通道计算的均值和方差进行归一化。更多详情请参考 : `Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift <https://arxiv.org/pdf/1502.03167.pdf>`_
 
@@ -35,7 +35,6 @@ BatchNorm
 - :math:`\beta` : 可训练的偏差参数
 
 参数：
-    - **name_scope** (str) - 该类的名称。
     - **num_channels** (int) - 指明输入 ``Tensor`` 的通道数量。
     - **act** (str, 可选) - 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 :ref:`api_guide_activations` ，默认值为None。
     - **is_test** (bool, 可选) - 指示是否在测试阶段，非训练阶段使用训练过程中统计到的全局均值和全局方差。默认值：False。
@@ -65,7 +64,7 @@ BatchNorm
     x = np.random.random(size=(3, 10, 3, 7)).astype('float32')
     with fluid.dygraph.guard():
         x = to_variable(x)
-        batch_norm = fluid.BatchNorm("batch_norm", 10)
+        batch_norm = fluid.BatchNorm(10)
         hidden1 = batch_norm(x)
 
 

doc/fluid/api_cn/dygraph_cn/BilinearTensorProduct_cn.rst

@@ -3,7 +3,7 @@
 BilinearTensorProduct
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.BilinearTensorProduct(name_scope, size, name=None, act=None, param_attr=None, bias_attr=None)
+.. py:class:: paddle.fluid.dygraph.BilinearTensorProduct(input1_dim, input2_dim, output_dim, name=None, act=None, param_attr=None, bias_attr=None, dtype="float32")
 
 该接口用于构建 ``BilinearTensorProduct`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。双线性乘积计算式子如下。
 
@@ -21,12 +21,14 @@ BilinearTensorProduct
 
 
 参数：
-    - **name_scope**  (str) – 指定类的名称。
-    - **size**  (int) – 该层的维度大小。
+    - **input1_dim**  (int) – 第一个输入的维度大小。
+    - **input1_dim**  (int) – 第二个输入的维度大小。
+    - **output_dim**  (int) – 输出的维度。
     - **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。
     - **act**  (str，可选) – 对输出应用的激励函数。默认值为None。
     - **param_attr**  (ParamAttr) – 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **bias_attr**  (ParamAttr) – 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr`。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值为"float32"。
 
 返回：维度为[batch_size, size]的2D Tensor，数据类型与输入数据类型相同。
 
@@ -43,7 +45,7 @@ BilinearTensorProduct
         layer1 = numpy.random.random((5, 5)).astype('float32')
         layer2 = numpy.random.random((5, 4)).astype('float32')
         bilinearTensorProduct = fluid.dygraph.nn.BilinearTensorProduct(
-               'BilinearTensorProduct', size=1000)
+               input1_dim=5, input2_dim=4, output_dim=1000)
         ret = bilinearTensorProduct(fluid.dygraph.base.to_variable(layer1),
                            fluid.dygraph.base.to_variable(layer2))
 

doc/fluid/api_cn/dygraph_cn/Conv2DTranspose_cn.rst

@@ -3,7 +3,7 @@
 Conv2DTranspose
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Conv2DTranspose(name_scope, num_filters, output_size=None, filter_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None)
+.. py:class:: paddle.fluid.dygraph.Conv2DTranspose(num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, dtype="float32")
 
 该接口用于构建 ``Conv2DTranspose`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其将在神经网络中构建一个二维卷积转置层（Convlution2D Transpose Layer），其根据输入（input）、滤波器参数（num_filters、filter_size）、步长（stride）、填充（padding）、膨胀系数（dilation）、组数（groups）来计算得到输出特征图。输入和输出是 ``NCHW`` 格式，N是批数据大小，C是特征图个数，H是特征图高度，W是特征图宽度。滤波器的维度是 [M, C, H, W] ，M是输入特征图个数，C是输出特征图个数，H是滤波器高度，W是滤波器宽度。如果组数大于1，C等于输入特征图个数除以组数的结果。如果提供了偏移属性和激活函数类型，卷积的结果会和偏移相加，激活函数会作用在最终结果上。转置卷积的计算过程相当于卷积的反向计算，转置卷积又被称为反卷积（但其实并不是真正的反卷积）。详情请参考： `Conv2DTranspose <http://www.matthewzeiler.com/wp-content/uploads/2017/07/cvpr2010.pdf>`_ 。
 
@@ -45,10 +45,10 @@ Conv2DTranspose
         & W_{out}\in[W'_{out},W'_{out} + strides[1])
 
 参数：
-    - **name_scope** (str) - 类的名称。
+    - **num_channels** (int) - 输入图像的通道数。
     - **num_filters** (int) - 滤波器的个数，和输出特征图个数相同。
+    - **filter_size** (int|tuple) - 滤波器大小。如果 ``filter_size`` 是一个元组，则必须包含两个整型数，分别表示滤波器高度和宽度。否则，表示滤波器高度和宽度均为 ``filter_size`` 。
     - **output_size** (int|tuple, 可选) - 输出特征图的大小。如果 ``output_size`` 是一个元组，则必须包含两个整型数，分别表示特征图高度和宽度。如果 ``output_size`` 是整型，表示特征图高度和宽度均为 ``output_size`` 。如果 ``output_size`` 为None，则会根据 ``filter_size`` 、 ``padding`` 和 ``stride`` 来计算 ``output_size`` 。如果 ``output_size`` 和 ``filter_size`` 同时指定，那么它们应满足上面的公式。默认值：None。
-    - **filter_size** (int|tuple, 可选) - 滤波器大小。如果 ``filter_size`` 是一个元组，则必须包含两个整型数，分别表示滤波器高度和宽度。否则，表示滤波器高度和宽度均为 ``filter_size`` 。如果 ``filter_size`` 为None，则会根据 ``output_size`` 、 ``padding`` 和 ``stride`` 来计算 ``filter_size`` 。默认值：None。
     - **padding** (int|tuple, 可选) - 填充大小。如果 ``padding`` 为元组，则必须包含两个整型数，分别表示竖直和水平边界填充大小。否则，表示竖直和水平边界填充大小均为 ``padding`` 。默认值：0。
     - **stride** (int|tuple, 可选) - 步长大小。如果 ``stride`` 为元组，则必须包含两个整型数，分别表示垂直和水平滑动步长。否则，表示垂直和水平滑动步长均为 ``stride`` 。默认值：1。
     - **dilation** (int|tuple, 可选) - 膨胀系数大小。如果 ``dialation`` 为元组，则必须包含两个整型数，分别表示垂直和水平膨胀系数。否则，表示垂直和水平膨胀系数均为 ``dialation`` 。默认值：1。
@@ -57,6 +57,7 @@ Conv2DTranspose
     - **bias_attr** (ParamAttr|bool, 可选) - 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **use_cudnn** (bool, 可选) - 是否使用cudnn内核，只有已安装cudnn库时才有效。默认值:True。
     - **act** (str, 可选) -  应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 :ref:`api_guide_activations` ，默认值：None。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值："float32"。
 
 返回：无
 

doc/fluid/api_cn/dygraph_cn/Conv2D_cn.rst

@@ -3,7 +3,7 @@
 Conv2D
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Conv2D(name_scope, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, dtype='float32')
+.. py:class:: paddle.fluid.dygraph.Conv2D(num_channels, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, dtype='float32')
 
 该接口用于构建 ``Conv2D`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其将在神经网络中构建一个二维卷积层（Convolution2D Layer），其根据输入、滤波器参数（num_filters、filter_size）、步长（stride）、填充（padding）、膨胀系数（dilation）、组数（groups）参数来计算得到输出特征图。输入和输出是 ``NCHW`` 格式，N是批数据大小，C是特征图个数，H是特征图高度，W是特征图宽度。滤波器的维度是 [M, C, H, W] ，M是输出特征图个数，C是输入特征图个数，H是滤波器高度，W是滤波器宽度。如果组数大于1，C等于输入特征图个数除以组数的结果。如果提供了偏移属性和激活函数类型，卷积的结果会和偏移相加，激活函数会作用在最终结果上。详情请参考： `卷积 <http://ufldl.stanford.edu/tutorial/supervised/FeatureExtractionUsingConvolution/>`_ 。
 
@@ -42,7 +42,7 @@ Conv2D
     W_{out} = \frac{\left ( W_{in}+2*paddings[1]-\left ( dilations[1]*\left ( W_{f}-1 \right )+1 \right ) \right )}{strides[1]}+1
 
 参数：
-    - **name_scope** (str) - 类的名称。
+    - **num_channels** (int) - 输入图像的通道数。
     - **num_fliters** (int) - 滤波器的个数，和输出特征图个数相同。
     - **filter_size** (int|tuple) - 滤波器大小。如果 ``filter_size`` 是一个元组，则必须包含两个整型数，分别表示滤波器高度和宽度。否则，表示滤波器高度和宽度均为 ``filter_size`` 。
     - **stride** (int|tuple, 可选) - 步长大小。如果 ``stride`` 为元组，则必须包含两个整型数，分别表示垂直和水平滑动步长。否则，表示垂直和水平滑动步长均为 ``stride`` 。默认值：1。
@@ -71,7 +71,7 @@ Conv2D
 
     data = np.random.uniform(-1, 1, [10, 3, 32, 32]).astype('float32')
     with fluid.dygraph.guard():
-        conv2d = Conv2D("conv2d", 2, 3)
+        conv2d = Conv2D(3, 2, 3)
         data = to_variable(data)
         conv = conv2d(data)
 

doc/fluid/api_cn/dygraph_cn/Conv3DTranspose_cn.rst

@@ -3,7 +3,7 @@
 Conv3DTranspose
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Conv3DTranspose(name_scope, num_filters, output_size=None, filter_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None)
+.. py:class:: paddle.fluid.dygraph.Conv3DTranspose(num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, name=None, dtype="float32")
 
 
 该接口用于构建 ``Conv3DTranspose`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。3D卷积转置层（Convlution3D transpose layer)根据输入（input）、滤波器（filter）和卷积核膨胀（dilations）、步长（stride）、填充来计算输出特征层大小或者通过output_size指定输出特征层大小。输入(Input)和输出(Output)为NCDHW格式。其中 ``N`` 为batch大小， ``C`` 为通道数（channel）, ``D``  为特征深度, ``H`` 为特征高度， ``W`` 为特征宽度。转置卷积的计算过程相当于卷积的反向计算。转置卷积又被称为反卷积（但其实并不是真正的反卷积）。欲了解卷积转置层细节，请参考下面的说明和 参考文献_ 。如果参数bias_attr不为False, 转置卷积计算会添加偏置项。如果act不为None，则转置卷积计算之后添加相应的激活函数。
@@ -66,10 +66,10 @@ Conv3DTranspose
 
 
 参数:
-      - **name_scope** （str）- 该类的名称。
+      - **num_channels** (int) - 输入图像的通道数。
       - **num_filters** (int) - 滤波器（卷积核）的个数，与输出的图片的通道数相同。
+      - **filter_size** (int|tuple) - 滤波器大小。如果filter_size是一个元组，则必须包含三个整型数，（filter_size_depth，filter_size_height, filter_size_width）。否则，filter_size_depth = filter_size_height = filter_size_width = filter_size。如果filter_size=None，则必须指定output_size， 其会根据output_size、padding和stride计算出滤波器大小。
       - **output_size** (int|tuple，可选) - 输出图片的大小。如果 ``output_size`` 是一个元组（tuple），则该元形式为（image_H,image_W),这两个值必须为整型。如果未设置,则内部会使用filter_size、padding和stride来计算output_size。如果 ``output_size`` 和 ``filter_size`` 是同时指定的，那么它们应满足上面的公式。默认值为None。output_size和filter_size不能同时为None。
-      - **filter_size** (int|tuple，可选 - 滤波器大小。如果filter_size是一个元组，则必须包含三个整型数，（filter_size_depth，filter_size_height, filter_size_width）。否则，filter_size_depth = filter_size_height = filter_size_width = filter_size。如果filter_size=None，则必须指定output_size， 其会根据output_size、padding和stride计算出滤波器大小。默认值为None。output_size和filter_size不能同时为None。
       - **padding** (int|tuple，可选) - 填充padding大小。padding参数在输入特征层每边添加 ``dilation * (kernel_size - 1) - padding`` 个0。如果padding是一个元组，它必须包含三个整数(padding_depth，padding_height，padding_width)。否则，padding_depth = padding_height = padding_width = padding。默认值为0。
       - **stride** (int|tuple，可选) - 步长stride大小。滤波器和输入进行卷积计算时滑动的步长。如果stride是一个元组，那么元组的形式为(stride_depth，stride_height，stride_width)。否则，stride_depth = stride_height = stride_width = stride。默认值为1。
       - **dilation** (int|tuple，可选) - 膨胀比例dilation大小。空洞卷积时会指该参数，滤波器对输入进行卷积时，感受野里每相邻两个特征点之间的空洞信息，根据  `可视化效果图  <https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md>`_  较好理解。如果膨胀比例dilation是一个元组，那么元组的形式为(dilation_depth，dilation_height， dilation_width)。否则，dilation_depth = dilation_height = dilation_width = dilation。默认值为1。
@@ -79,6 +79,7 @@ Conv3DTranspose
       - **use_cudnn** (bool，可选) - 是否使用cudnn内核，只有安装Paddle GPU版时才有效。默认值为True。
       - **act** (str，可选) -  激活函数类型，如果设置为None，则不使用激活函数。默认值为None。
       - **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。
+      - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值为"float32"。
 
 
 返回： 无

doc/fluid/api_cn/dygraph_cn/Conv3D_cn.rst

@@ -3,7 +3,7 @@
 Conv3D
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Conv3D(name_scope, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None)
+.. py:class:: paddle.fluid.dygraph.Conv3D(num_channels, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_cudnn=True, act=None, dtype="float32")
 
 
 该接口用于构建 ``Conv3D`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。3D卷积层（convolution3D layer）根据输入、滤波器（filter）、步长（stride）、填充（padding）、膨胀（dilations）、组数参数计算得到输出。输入和输出是[N, C, D, H, W]的多维tensor，其中N是批尺寸，C是通道数，D是特征深度，H是特征高度，W是特征宽度。卷积三维（Convlution3D）和卷积二维（Convlution2D）相似，但多了一维深度（depth）。如果提供了bias属性和激活函数类型，bias会添加到卷积（convolution）的结果中相应的激活函数会作用在最终结果上。
@@ -42,7 +42,7 @@ Conv3D
     W_{out}&= \frac{(W_{in} + 2 * paddings[2] - (dilations[2] * (W_f - 1) + 1))}{strides[2]} + 1
 
 参数：
-    - **name_scope** (str) - 该类的名称。
+    - **num_channels** (int) - 输入图像的通道数。
     - **num_fliters** (int) - 滤波器（卷积核）的个数。和输出图像通道相同。
     - **filter_size** (int|tuple) - 滤波器大小。如果filter_size是一个元组，则必须包含三个整型数，(filter_size_D, filter_size_H, filter_size_W)。如果filter_size是一个int型，则filter_size_depth = filter_size_height = filter_size_width = filter_size。
     - **stride** (int|tuple，可选) - 步长(stride)大小。滤波器和输入进行卷积计算时滑动的步长。如果步长（stride）为元组，则必须包含三个整型数， (stride_D, stride_H, stride_W)。否则，stride_D = stride_H = stride_W = stride。默认值为1。
@@ -53,6 +53,7 @@ Conv3D
     - **bias_attr** (ParamAttr，可选) - 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr`。
     - **use_cudnn** （bool，可选） - 是否用cudnn内核，只有安装Paddle GPU版时才有效。默认值为True。
     - **act** (str，可选) - 激活函数类型，如果设为None，则未添加激活函数。默认值为None。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值："float32"。
 
 
 返回：无

doc/fluid/api_cn/dygraph_cn/Embedding_cn.rst

@@ -3,7 +3,7 @@
 Embedding
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Embedding(name_scope, size, is_sparse=False, is_distributed=False, padding_idx=None, param_attr=None, dtype='float32')
+.. py:class:: paddle.fluid.dygraph.Embedding(size, is_sparse=False, is_distributed=False, padding_idx=None, param_attr=None, dtype='float32')
 
 嵌入层(Embedding Layer)
 
@@ -52,7 +52,6 @@ Embedding
     输入的padding_idx = 0，则对于输入id为0的词，进行padding处理。
 
 参数：
-    - **name_scope** (str)-该类的名称。
     - **size** (tuple|list) - embedding矩阵的维度。必须包含两个元素，第一个元素为vocab_size(词表大小), 第二个为emb_size（embedding层维度）。
     - **is_sparse** (bool) - 是否使用稀疏的更新方式，这个参数只会影响反向的梯度更新的性能，sparse更新速度更快，推荐使用稀疏更新的方式。但某些optimizer不支持sparse更新，比如 :ref:`cn_api_fluid_optimizer_AdadeltaOptimizer` 、 :ref:`cn_api_fluid_optimizer_AdamaxOptimizer` 、 :ref:`cn_api_fluid_optimizer_DecayedAdagradOptimizer` 、 :ref:`cn_api_fluid_optimizer_FtrlOptimizer` 、 :ref:`cn_api_fluid_optimizer_LambOptimizer` 、:ref:`cn_api_fluid_optimizer_LarsMomentumOptimizer` ，此时is_sparse必须为False。默认为False。
     - **is_distributed** (bool) - 是否使用分布式的方式存储embedding矩阵，仅在多机分布式cpu训练中使用。默认为False。
@@ -78,7 +77,6 @@ Embedding
     dict_size = 20
     with fluid.dygraph.guard():
         emb = fluid.dygraph.Embedding(
-            name_scope='embedding',
             size=[dict_size, 32],
             param_attr='emb.w',
             is_sparse=False)
@@ -94,7 +92,6 @@ Embedding
         trainable=True)
     with fluid.dygraph.guard():
         emb = fluid.dygraph.Embedding(
-            name_scope='embedding',
             size=[128, 100],
             param_attr= w_param_attrs,
             is_sparse=False)

doc/fluid/api_cn/dygraph_cn/GroupNorm_cn.rst

@@ -3,20 +3,21 @@
 GroupNorm
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.GroupNorm(name_scope, groups, epsilon=1e-05, param_attr=None, bias_attr=None, act=None, data_layout='NCHW')
+.. py:class:: paddle.fluid.dygraph.GroupNorm(channels, groups, epsilon=1e-05, param_attr=None, bias_attr=None, act=None, data_layout='NCHW', dtype="float32")
 
 **Group Normalization层**
 
 该接口用于构建 ``GroupNorm`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其中实现了组归一化层的功能。更多详情请参考： `Group Normalization <https://arxiv.org/abs/1803.08494>`_ 。
 
 参数：
-    - **name_scope** (str) - 该类的名称。
+    - **channels** (int) - 输入的通道数。
     - **groups** (int) - 从通道中分离出来的 ``group`` 的数目。
     - **epsilon** (float, 可选) - 为防止方差除零，增加一个很小的值。默认值：1e-05。
     - **param_attr** (ParamAttr, 可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **bias_attr** (ParamAttr, 可选) - 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **act** (str, 可选) - 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 :ref:`api_guide_activations` ，默认值为None。
     - **data_layout** (str, 可选) - 只支持“NCHW”(num_batches，channels，height，width)格式。默认值：“NCHW”。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值为"float32"。
 
 返回：无
 
@@ -32,7 +33,7 @@ GroupNorm
 
     with fluid.dygraph.guard():
         x = np.random.random((8, 32, 32)).astype('float32')
-        groupNorm = fluid.dygraph.nn.GroupNorm('GroupNorm', groups=4)
+        groupNorm = fluid.dygraph.nn.GroupNorm(channels=32, groups=4)
         ret = groupNorm(fluid.dygraph.base.to_variable(x))
 
 

doc/fluid/api_cn/dygraph_cn/LayerNorm_cn.rst

@@ -3,7 +3,7 @@
 LayerNorm
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.LayerNorm(name_scope, scale=True, shift=True, begin_norm_axis=1, epsilon=1e-05, param_attr=None, bias_attr=None, act=None)
+.. py:class:: paddle.fluid.dygraph.LayerNorm(normalized_shape, scale=True, shift=True, begin_norm_axis=1, epsilon=1e-05, param_attr=None, bias_attr=None, act=None, dtype="float32")
 
 该接口用于构建 ``LayerNorm`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其中实现了层归一化层（Layer Normalization Layer）的功能，其可以应用于小批量输入数据。更多详情请参考：`Layer Normalization <https://arxiv.org/pdf/1607.06450v1.pdf>`_
 
@@ -24,14 +24,14 @@ LayerNorm
 
 
 参数：
-    - **name_scope** (str) – 该类的名称。
+    - **normalized_shape** (int 或 list 或 tuple) – 需规范化的shape，期望的输入shape为 ``[*, normalized_shape[0], normalized_shape[1], ..., normalized_shape[-1]]``。如果是单个整数，则此模块将在最后一个维度上规范化（此时最后一维的维度需与该参数相同）。
     - **scale** (bool, 可选) - 指明是否在归一化后学习自适应增益 ``g`` 。默认值：True。
     - **shift** (bool, 可选) - 指明是否在归一化后学习自适应偏差 ``b`` 。默认值：True。
-    - **begin_norm_axis** (int, 可选) - 指明归一化将沿着 ``begin_norm_axis`` 到 ``rank（input）`` 的维度执行。默认值：1。
     - **epsilon** (float, 可选) - 指明在计算过程中是否添加较小的值到方差中以防止除零。默认值：1e-05。
     - **param_attr** (ParamAttr, 可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **bias_attr** (ParamAttr, 可选) - 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **act** (str, 可选) - 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 :ref:`api_guide_activations` ，默认值为None。
+    - **dtype** (str，可选) - 输出Tensor或LoDTensor的数据类型，数据类型必须为：float32或float64，默认为float32。
 
 
 返回：无

doc/fluid/api_cn/dygraph_cn/Layer_cn.rst

@@ -3,12 +3,12 @@
 Layer
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Layer(name_scope, dtype=core.VarDesc.VarType.FP32)
+.. py:class:: paddle.fluid.dygraph.Layer(name_scope=None, dtype=core.VarDesc.VarType.FP32)
 
 基于OOD实现的动态图Layer，包含该Layer的参数、前序运行的结构等信息。
 
 参数：
-    - **name_scope** (str) - 为Layer内部参数命名而采用的名称前缀。如果前缀为“my_model/layer_1”，在一个类名为MyLayer的Layer中，参数名为“my_model/layer_1/MyLayer/w_n”，其中w是参数的名称，n为自动生成的具有唯一性的后缀。
+    - **name_scope** (str，可选) - 为Layer内部参数命名而采用的名称前缀。如果前缀为“mylayer”，在一个类名为MyLayer的Layer中，参数名为“mylayer_0.w_n”，其中w是参数的名称，n为自动生成的具有唯一性的后缀。如果为None，前缀名将为小写的类名。默认值为None。
     - **dtype** (str|core.VarDesc.VarType, 可选) - Layer中参数数据类型。如果设置为str，则可以是“bool”，“float16”，“float32”，“float64”，“int8”，“int16”，“int32”，“int64”，“uint8”或“uint16”。默认值为 ``core.VarDesc.VarType.FP32`` 。
 
 返回：无
@@ -21,14 +21,14 @@ Layer的全名。组成方式为： ``name_scope`` + “/” + MyLayer.__class__
 
 返回类型：str
 
-.. py:method:: create_parameter(attr, shape, dtype, is_bias=False, default_initializer=None)
+.. py:method:: create_parameter(shape, attr=None, dtype="float32", is_bias=False, default_initializer=None)
 
 为Layer创建参数。
 
 参数：
-    - **attr** (ParamAttr) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **shape** (list) - 参数的形状。列表中的数据类型必须为int。
-    - **dtype** (str|core.VarDesc.VarType, 可选) - Layer中参数数据类型。如果设置为str，则可以是“bool”，“float16”，“float32”，“float64”，“int8”，“int16”，“int32”，“int64”，“uint8”或“uint16”。默认值为 ``core.VarDesc.VarType.FP32`` 。
+    - **attr** (ParamAttr，可选) - 指定权重参数属性的对象，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。默认值为None。
+    - **dtype** (str|core.VarDesc.VarType, 可选) - Layer中参数数据类型。如果设置为str，则可以是“bool”，“float16”，“float32”，“float64”，“int8”，“int16”，“int32”，“int64”，“uint8”或“uint16”。默认值为“float32”。
     - **is_bias** (bool, 可选) - 是否是偏置参数。默认值：False。
     - **default_initializer** (Initializer, 可选) - 默认的参数初始化方法。如果设置为None，则设置非bias参数的初始化方式为 :ref:`cn_api_fluid_initializer_XavierInitializer` ，设置bias参数的初始化方式为 :ref:`cn_api_fluid_initializer_ConstantInitializer` 。默认值：None。
 
@@ -122,7 +122,7 @@ Layer的全名。组成方式为： ``name_scope`` + “/” + MyLayer.__class__
 
     import paddle.fluid as fluid
     with fluid.dygraph.guard():
-        emb = fluid.dygraph.Embedding("emb", [10, 10])
+        emb = fluid.dygraph.Embedding([10, 10])
         state_dict = emb.state_dict()
         fluid.save_dygraph(state_dict, "paddle_dy")
 
@@ -142,7 +142,7 @@ Layer的全名。组成方式为： ``name_scope`` + “/” + MyLayer.__class__
 
     import paddle.fluid as fluid
     with fluid.dygraph.guard():
-        emb = fluid.dygraph.Embedding("emb", [10, 10])
+        emb = fluid.dygraph.Embedding([10, 10])
         state_dict = emb.state_dict()
         fluid.save_dygraph(state_dict, "paddle_dy")
         para_state_dict, _ = fluid.load_dygraph("paddle_dy")
@@ -167,7 +167,7 @@ Layer的全名。组成方式为： ``name_scope`` + “/” + MyLayer.__class__
 
     import paddle.fluid as fluid
     with fluid.dygraph.guard():
-        emb = fluid.dygraph.Embedding("emb", [10, 10])
+        emb = fluid.dygraph.Embedding([10, 10])
         state_dict = emb.state_dict()
         fluid.save_dygraph(state_dict, "paddle_dy")
         para_state_dict, _ = fluid.load_dygraph("paddle_dy")

doc/fluid/api_cn/dygraph_cn/NCE_cn.rst

@@ -3,13 +3,13 @@
 NCE
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.NCE(name_scope, num_total_classes, param_attr=None, bias_attr=None, num_neg_samples=None, sampler='uniform', custom_dist=None, seed=0, is_sparse=False)
+.. py:class:: paddle.fluid.dygraph.NCE(num_total_classes, dim, param_attr=None, bias_attr=None, num_neg_samples=None, sampler='uniform', custom_dist=None, seed=0, is_sparse=False, dtype="float32")
 
 该接口用于构建 ``NCE`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其中实现了 ``NCE`` 损失函数的功能，其默认使用均匀分布进行抽样，计算并返回噪音对比估计（ noise-contrastive estimation training loss）。更多详情请参考：`Noise-contrastive estimation: A new estimation principle for unnormalized statistical models <http://www.jmlr.org/proceedings/papers/v9/gutmann10a/gutmann10a.pdf>`_
 
 参数：
-    - **name_scope** (str) – 该类的名称。
     - **num_total_classes** (int) - 所有样本中的类别的总数。
+    - **dim** (int) - 输入的维度（一般为词嵌入的维度）。
     - **sample_weight** (Variable, 可选) - 维度为\[batch_size, 1\]，存储每个样本的权重。每个样本的默认权重为1.0。默认值：None。
     - **param_attr** (ParamAttr, 可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **bias_attr** (ParamAttr, 可选) - 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
@@ -18,6 +18,7 @@ NCE
     - **custom_dist** (float[], 可选) – float[] 类型的数据，并且它的长度为 ``num_total_classes`` 。如果采样器类别为 ``custom_dist`` ，则使用此参数。custom_dist\[i\]是第i个类别被取样的概率。默认值：None
     - **seed** (int, 可选) – 采样器使用的随机种子。默认值：0。
     - **is_sparse** (bool, 可选) – 指明是否使用稀疏更新，如果为True， :math:`weight@GRAD` 和 :math:`bias@GRAD` 会变为 SelectedRows。默认值：False。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值："float32"。
 
 返回：无
 
@@ -55,8 +56,9 @@ NCE
             embs3.append(emb_rlt)
 
         embs3 = fluid.layers.concat(input=embs3, axis=1)
-        nce = fluid.NCE('nce',
+        nce = fluid.NCE(
                      num_total_classes=dict_size,
+                     dim=embs3.shape[1],
                      num_neg_samples=2,
                      sampler="custom_dist",
                      custom_dist=nid_freq_arr.tolist(),

doc/fluid/api_cn/dygraph_cn/PRelu_cn.rst

@@ -3,7 +3,7 @@
 PRelu
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.PRelu(name_scope, mode, param_attr=None)
+.. py:class:: paddle.fluid.dygraph.PRelu(mode, input_shape=None, param_attr=None, dtype="float32")
 
 该接口用于构建 ``PRelu`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其中实现了 ``PRelu`` 激活函数的三种激活方式。
 
@@ -14,7 +14,6 @@ PRelu
 
 
 参数：
-    - **name_scope** (str) - 该类的名称。
     - **mode** (str) - 权重共享模式。共提供三种激活方式：
 
         .. code-block:: text
@@ -23,7 +22,9 @@ PRelu
             channel：在同一个通道中的元素使用同一个 :math:`[\alpha]` 值
             element：每一个元素有一个独立的 :math:`[\alpha]` 值
 
+    - **input_shape** (list 或 tuple，可选) - 输入的维度，该参数仅在mode参数为"all"时需要设置。默认为None。
     - **param_attr** (ParamAttr, 可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值："float32"。
 
 返回：无
 

doc/fluid/api_cn/dygraph_cn/Pool2D_cn.rst

@@ -3,7 +3,7 @@
 Pool2D
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.Pool2D(name_scope, pool_size=-1, pool_type='max', pool_stride=1, pool_padding=0, global_pooling=False, use_cudnn=True, ceil_mode=False, exclusive=True, dtype=VarType.FP32)
+.. py:class:: paddle.fluid.dygraph.Pool2D(pool_size=-1, pool_type='max', pool_stride=1, pool_padding=0, global_pooling=False, use_cudnn=True, ceil_mode=False, exclusive=True)
 
 该接口用于构建 ``Pool2D`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其将在神经网络中构建一个二维池化层，并使用上述输入参数的池化配置，为二维空间池化操作，根据 ``input`` ， 池化类型 ``pool_type`` ， 池化核大小 ``pool_size`` , 步长 ``pool_stride`` ，填充 ``pool_padding`` 这些参数得到输出。
 
@@ -52,7 +52,6 @@ Pool2D
     Output(i ,j) & = \frac{sum(Input[hstart:hend, wstart:wend])}{(hend - hstart) * (wend - wstart)}
 
 参数：
-    - **name_scope** (str) - 该类的名称。
     - **pool_size** (int|list|tuple, 可选) - 池化核的大小。如果它是一个元组或列表，它必须包含两个整数值， (pool_size_Height, pool_size_Width)。若为一个整数，则它的平方值将作为池化核大小，比如若pool_size=2, 则池化核大小为2x2。默认值：-1。
     - **pool_type** (str, 可选) - 池化类型，可以是”max“对应max-pooling，“avg”对应average-pooling。默认为”max“。
     - **pool_stride** (int|list|tuple, 可选)  - 池化层的步长。如果它是一个元组或列表，它将包含两个整数，(pool_stride_Height, pool_stride_Width)。若为一个整数，则表示H和W维度上stride均为该值。默认值为1。
@@ -61,7 +60,6 @@ Pool2D
     - **use_cudnn** （bool, 可选）- 是否用cudnn核，只有已安装cudnn库时才有效。默认True。
     - **ceil_mode** （bool, 可选）- 是否用ceil函数计算输出高度和宽度。如果设为False，则使用floor函数。默认为False。
     - **exclusive** (bool, 可选) - 是否在平均池化模式忽略填充值。默认为True。
-    - **dtype** (str, 可选) - 输入的数据类型，可以为float32或float64。默认为float32。
 
 返回：无
 
@@ -80,7 +78,7 @@ Pool2D
 
     with fluid.dygraph.guard():
         data = np.random.random((3, 32, 32, 5)).astype('float32')
-        pool2d = fluid.dygraph.Pool2D("pool2d",pool_size=2,
+        pool2d = fluid.dygraph.Pool2D(pool_size=2,
                       pool_type='max',
                       pool_stride=1,
                       global_pooling=False)

doc/fluid/api_cn/dygraph_cn/SpectralNorm_cn.rst

@@ -3,7 +3,7 @@
 SpectralNorm
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.SpectralNorm(name_scope, dim=0, power_iters=1, eps=1e-12, name=None)
+.. py:class:: paddle.fluid.dygraph.SpectralNorm(weight_shape, dim=0, power_iters=1, eps=1e-12, name=None, dtype="float32")
 
 该接口用于构建 ``SpectralNorm`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其中实现了谱归一化层的功能，用于计算fc、conv1d、conv2d、conv3d层的权重参数的谱正则值，输入权重参数应分别为2-D, 3-D, 4-D, 5-D张量，输出张量与输入张量维度相同。谱特征值计算方式如下：
 
@@ -25,11 +25,12 @@ SpectralNorm
 可参考: `Spectral Normalization <https://arxiv.org/abs/1802.05957>`_
 
 参数：
-    - **name_scope** (str) - 该类的名称。
+    - **weight_shape** (list 或 tuple) - 权重参数的shape。
     - **dim** (int, 可选) - 将输入（weight）重塑为矩阵之前应排列到第一个的维度索引，如果input（weight）是fc层的权重，则应设置为0；如果input（weight）是conv层的权重，则应设置为1。默认值：0。
     - **power_iters** (int, 可选) - 将用于计算的 ``SpectralNorm`` 功率迭代次数，默认值：1。
     - **eps** (float, 可选) -  ``eps`` 用于保证计算规范中的数值稳定性，分母会加上 ``eps`` 防止除零。默认值：1e-12。
     - **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。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值为"float32"。
 
 返回：无
 
@@ -41,7 +42,7 @@ SpectralNorm
     import numpy as np
 
     with fluid.dygraph.guard():
-        x = np.random.random((2, 8, 32, 32)).astype('float32')
-        spectralNorm = fluid.dygraph.nn.SpectralNorm('SpectralNorm', dim=1, power_iters=2)
-        ret = spectralNorm(fluid.dygraph.base.to_variable(x))
+        weight = np.random.random((2, 8, 32, 32)).astype('float32')
+        spectralNorm = fluid.dygraph.nn.SpectralNorm(weight.shape, dim=1, power_iters=2)
+        ret = spectralNorm(fluid.dygraph.base.to_variable(weight))
 

doc/fluid/api_cn/dygraph_cn/TreeConv_cn.rst

@@ -3,13 +3,13 @@
 TreeConv
 -------------------------------
 
-.. py:class:: paddle.fluid.dygraph.TreeConv(name_scope, output_size, num_filters=1, max_depth=2, act='tanh', param_attr=None, bias_attr=None, name=None)
+.. py:class:: paddle.fluid.dygraph.TreeConv(feature_size, output_size, num_filters=1, max_depth=2, act='tanh', param_attr=None, bias_attr=None, name=None, dtype="float32")
 
 该接口用于构建 ``TreeConv`` 类的一个可调用对象，具体用法参照 ``代码示例`` 。其将在神经网络中构建一个基于树结构的卷积（Tree-Based Convolution）运算。基于树的卷积是基于树的卷积神经网络（TBCNN，Tree-Based Convolution Neural Network）的一部分，它用于对树结构进行分类，例如抽象语法树。 Tree-Based Convolution提出了一种称为连续二叉树的数据结构，它将多路（multiway）树视为二叉树。详情请参考： `基于树的卷积论文 <https://arxiv.org/abs/1409.5718v1>`_ 。
 
 
 参数：
-    - **name_scope**  (str) – 类的名称。
+    - **feature_size**  (int) – nodes_vector的shape的最后一维的维度。
     - **output_size**  (int) – 输出特征宽度。
     - **num_filters**  (int, 可选) – 滤波器的数量，默认值为1。
     - **max_depth**  (int, 可选) – 滤波器的最大深度，默认值为2。
@@ -17,6 +17,7 @@ TreeConv
     - **param_attr**  (ParamAttr, 可选) – 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **bias_attr**  (ParamAttr, 可选) – 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **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。
+    - **dtype** (str, 可选) - 数据类型，可以为"float32"或"float64"。默认值为"float32"。
 
 返回：无
 
@@ -31,7 +32,7 @@ TreeConv
         nodes_vector = numpy.random.random((1, 10, 5)).astype('float32')
         edge_set = numpy.random.random((1, 9, 2)).astype('int32')
         treeConv = fluid.dygraph.nn.TreeConv(
-          'TreeConv', output_size=6, num_filters=1, max_depth=2)
+          feature_size=5, output_size=6, num_filters=1, max_depth=2)
         ret = treeConv(fluid.dygraph.base.to_variable(nodes_vector), fluid.dygraph.base.to_variable(edge_set))
 
 属性

doc/fluid/api_cn/dygraph_cn/load_dygraph_cn.rst

@@ -27,7 +27,7 @@ load_dygraph
     import paddle.fluid as fluid
 
     with fluid.dygraph.guard():
-        emb = fluid.dygraph.Embedding( "emb", [10, 10])
+        emb = fluid.dygraph.Embedding([10, 10])
         state_dict = emb.state_dict()
         fluid.save_dygraph( state_dict, "paddle_dy")
         adam = fluid.optimizer.Adam( learning_rate = fluid.layers.noam_decay( 100, 10000) )

doc/fluid/api_cn/dygraph_cn/save_dygraph_cn.rst

@@ -27,7 +27,7 @@ save_dygraph
     import paddle.fluid as fluid
 
     with fluid.dygraph.guard():
-        emb = fluid.dygraph.Embedding( "emb", [10, 10])
+        emb = fluid.dygraph.Embedding([10, 10])
         state_dict = emb.state_dict()
         fluid.save_dygraph(state_dict, "paddle_dy")  # 会保存为 paddle_dy.pdparams