[to 1.3] cn api debug (#655)

* debug

* fix 2 -conv2d

* "锚" ==> anchor(s)

doc/fluid/api_cn/io_cn.rst

@@ -11,16 +11,16 @@ load_inference_model
 
 .. py:class:: paddle.fluid.io.load_inference_model(dirname, executor, model_filename=None, params_filename=None, pserver_endpoints=None)
 
-从指定目录中加载 推理model(inference model)
+从指定目录中加载预测模型model(inference model)
 
 参数:
   - **dirname** (str) – model的路径
   - **executor** (Executor) – 运行 inference model的 ``executor``
-  - **model_filename** (str|None) –  推理 Program 的文件名称。如果设置为None，将使用默认的文件名为： ``__model__``
+  - **model_filename** (str|None) –  存储着预测 Program 的文件名称。如果设置为None，将使用默认的文件名为： ``__model__``
   - **params_filename** (str|None) –  加载所有相关参数的文件名称。如果设置为None，则参数将保存在单独的文件中。
-  - **pserver_endpoints** (list|None) – 只有在分布式推理时需要用到。 当在训练时使用分布式 look up table , 需要这个参数. 该参数是 pserver endpoints 的列表 
+  - **pserver_endpoints** (list|None) – 只有在分布式预测时需要用到。 当在训练时使用分布式 look up table , 需要这个参数. 该参数是 pserver endpoints 的列表 
 
-返回: 这个函数的返回有三个元素的元组(Program，feed_target_names, fetch_targets)。Program 是一个 ``Program`` ，它是推理 ``Program``。  ``feed_target_names`` 是一个str列表，它包含需要在推理 ``Program`` 中提供数据的变量的名称。` `fetch_targets`` 是一个 ``Variable`` 列表，从中我们可以得到推断结果。
+返回: 这个函数的返回有三个元素的元组(Program，feed_target_names, fetch_targets)。Program 是一个 ``Program`` ，它是预测 ``Program``。  ``feed_target_names`` 是一个str列表，它包含需要在预测 ``Program`` 中提供数据的变量的名称。``fetch_targets`` 是一个 ``Variable`` 列表，从中我们可以得到推断结果。
 
 返回类型：元组(tuple)
 
@@ -39,7 +39,7 @@ load_inference_model
                   fetch_list=fetch_targets)
     # 在这个示例中，inference program 保存在 ./infer_model/__model__”中
     # 参数保存在./infer_mode 单独的若干文件中
-    # 加载 inference program 后， executor 使用 fetch_targets 和 feed_target_names 执行Program， 得到推理结果
+    # 加载 inference program 后， executor 使用 fetch_targets 和 feed_target_names 执行Program， 得到预测结果
 
 
 
@@ -71,13 +71,13 @@ load_params
 **代码示例**
 
 ..  code-block:: python
-    
+
     exe = fluid.Executor(fluid.CPUPlace())
     param_path = "./my_paddle_model"
     prog = fluid.default_main_program()
     fluid.io.load_params(executor=exe, dirname=param_path,
                         main_program=None)
-                        
+
 
 
 
@@ -184,19 +184,19 @@ save_inference_model
 
 .. py:class:: paddle.fluid.io.save_inference_model(dirname, feeded_var_names, target_vars, executor, main_program=None, model_filename=None, params_filename=None, export_for_deployment=True)
 
-修改指定的 ``main_program`` ，构建一个专门用于推理的 ``Program``，然后  ``executor`` 把它和所有相关参数保存到 ``dirname`` 中
+修改指定的 ``main_program`` ，构建一个专门用预测的 ``Program``，然后  ``executor`` 把它和所有相关参数保存到 ``dirname`` 中
 
 ``dirname`` 用于指定保存变量的目录。如果变量保存在指定目录的若干文件中，设置文件名 None; 如果所有变量保存在一个文件中，请使用filename来指定它
 
 参数:
-  - **dirname** (str) – 保存推理model的路径
-  - **feeded_var_names** (list[str]) – 推理（inference）需要 feed 的数据
-  - **target_vars** (list[Variable]) – 保存推理（inference）结果的 Variables
+  - **dirname** (str) – 保存预测model的路径
+  - **feeded_var_names** (list[str]) – 预测（inference）需要 feed 的数据
+  - **target_vars** (list[Variable]) – 保存预测（inference）结果的 Variables
   - **executor** (Executor) –  executor 保存  inference model
-  - **main_program** (Program|None) – 使用 ``main_program`` ，构建一个专门用于推理的 ``Program`` （inference model）. 如果为None, 使用   ``default main program``   默认: None.
-  - **model_filename** (str|None) – 保存 推理P rogram 的文件名称。如果设置为None，将使用默认的文件名为： ``__model__``
+  - **main_program** (Program|None) – 使用 ``main_program`` ，构建一个专门用于预测的 ``Program`` （inference model）. 如果为None, 使用   ``default main program``   默认: None.
+  - **model_filename** (str|None) – 保存预测Program 的文件名称。如果设置为None，将使用默认的文件名为： ``__model__``
   - **params_filename** (str|None) – 保存所有相关参数的文件名称。如果设置为None，则参数将保存在单独的文件中。
-  - **export_for_deployment** (bool) – 如果为真，Program将被修改为只支持直接推理部署的Program。否则，将存储更多的信息，方便优化和再训练。目前只支持True。
+  - **export_for_deployment** (bool) – 如果为真，Program将被修改为只支持直接预测部署的Program。否则，将存储更多的信息，方便优化和再训练。目前只支持True。
 
 返回: None
 
@@ -214,7 +214,7 @@ save_inference_model
                  target_vars=[predict_var], executor=exe)
 
     # 在这个示例中，函数将修改默认的主程序让它适合于推断‘predict_var’。修改的
-    # 推理Program 将被保存在 ./infer_model/__model__”中。
+    # 预测Program 将被保存在 ./infer_model/__model__”中。
     # 和参数将保存在文件夹下的单独文件中 ./infer_mode