-1. Executor 为每一个block创建一个Scope，Block是可嵌套的，因此Scope也是可嵌套的
-2. 创建所有Scope中的变量
-3. 按顺序创建并执行所有operator
+1. Executor 为每一个block创建一个Scope，Block是可嵌套的，因此Scope也是可嵌套的。
+2. 创建所有Scope中的变量。
+3. 创建并执行所有operator。
@@ -182,7 +180,7 @@ class Executor{
scope->Var(Var->Name());
}
- //创建OP并按顺序执行
+ //创建OP并执行
for (auto& op_desc : block.AllOps()){
auto op = CreateOp(*op_desc);
op->Run(*local_scope, place_);
@@ -192,7 +190,7 @@ class Executor{
**创建Executor**
-Fluid中使用fluid.Executor(place)创建Executor，place属性由用户定义，代表程序将在哪里执行。
+Paddle中使用fluid.Executor(place)创建Executor，place属性由用户定义，代表程序将在哪里执行。
下例代码表示创建一个Executor，其运行场所在CPU内：
@@ -203,7 +201,7 @@ exe = fluid.Executor(cpu)
**运行Executor**
-Fluid使用Executor.run来运行程序。定义中通过Feed映射获取数据，通过fetch\_list获取结果：
+Paddle使用Executor.run来运行程序。定义中通过Feed映射获取数据，通过fetch\_list获取结果：
```python
...
@@ -215,11 +213,11 @@ outs = exe.run(
## 代码实例
-本节通过[Fluid编程指南](../../beginners_guide/programming_guide/programming_guide.html)中简单的线性回归例子，为您介绍上述内容如何在代码中实现。
+本节通过[编程指南](../../beginners_guide/programming_guide/programming_guide.html)中简单的线性回归例子，为您介绍上述内容如何在代码中实现。
**定义Program**
-您可以随意定义自己的数据和网络结构，定义的结果都将作为一段 Program 被 Fluid 接收，Program 的基本结构是一些 blocks，本节的 Program 仅包含一个 block 0：
+您可以随意定义自己的数据和网络结构，定义的结果都将作为一段 Program 被 Paddle 接收，Program 的基本结构是一些 blocks，本节的 Program 仅包含一个 block 0：
```python
#加载函数库
@@ -230,8 +228,8 @@ import numpy
train_data=numpy.array([[1.0],[2.0],[3.0],[4.0]]).astype('float32')
y_true = numpy.array([[2.0],[4.0],[6.0],[8.0]]).astype('float32')
#定义网络
-x = fluid.layers.data(name="x",shape=[1],dtype='float32')
-y = fluid.layers.data(name="y",shape=[1],dtype='float32')
+x = fluid.data(name="x",shape=[None, 1],dtype='float32')
+y = fluid.data(name="y",shape=[None, 1],dtype='float32')
y_predict = fluid.layers.fc(input=x,size=1,act=None)
#定义损失函数
cost = fluid.layers.square_error_cost(input=y_predict,label=y)
@@ -298,9 +296,9 @@ blocks {
```
从输出结果中可以看到，整个定义过程在框架内部转化为了一段ProgramDesc，以block idx为索引。本次线性回归模型中仅有1个block，ProgramDesc中也仅有block 0一段BlockDesc。
-BlockDesc中包含定义的 vars 和一系列的 ops，以输入x为例，python代码中定义 x 是一个数据类型为"float 32"的1维数据：
+BlockDesc中包含定义的 vars 和一系列的 ops，以输入x为例，python代码中定义 x 是一个数据类型为"float32"的1维数据：
```python
-x = fluid.layers.data(name="x",shape=[1],dtype='float32')
+x = fluid.data(name="x",shape=[None, 1],dtype='float32')
```
在BlockDesc中，变量x被描述为：
```
@@ -319,15 +317,15 @@ vars {
}
persistable: false
```
-在Fluid中所有的数据类型都为LoD-Tensor，对于不存在序列信息的数据（如此处的变量X），其lod_level=0。
+在Paddle中所有的数据类型都为LoD-Tensor，对于不存在序列信息的数据（如此处的变量X），其lod_level=0。
-dims表示数据的维度，这里表示 x 的维度为[-1,1]，其中-1是batch的维度，无法确定具体数值时，Fluid 自动用 -1 占位。
+dims表示数据的维度，这里表示 x 的维度为[-1,1]，其中-1是batch的维度，无法确定具体数值时，Paddle 自动用 -1 占位。
参数`persistable`表示该变量在整个训练过程中是否为持久化变量。
**创建Executor**
-Fluid使用Executor来执行网络训练，Executor运行细节请参考[Executor设计思想](#Executor设计思想)的介绍。作为使用者，实际并不需要了解内部机制。
+Paddle使用Executor来执行网络训练，Executor运行细节请参考[Executor设计思想](#Executor设计思想)的介绍。作为使用者，实际并不需要了解内部机制。
创建Executor只需调用 fluid.Executor(place) 即可，在此之前请您依据训练场所定义place变量：
```python
@@ -338,14 +336,14 @@ Fluid使用Executor来执行网络训练，Executor运行细节请参考[Executo
```
**运行Executor**
-Fluid使用Executor.run来运行一段Program。
+Paddle使用Executor.run来运行一段Program。
-正式进行网络训练前，需先执行参数初始化。其中 defalut_startup_program 中定义了创建模型参数，输入输出，以及模型中可学习参数的初始化等各种操作。
+正式进行网络训练前，需先执行参数初始化。其中 defalut_startup_program 中定义了模型参数初始化、优化器参数初始化、reader初始化等各种操作。
```python
#参数初始化
exe.run(fluid.default_startup_program())
```
-由于传入数据与传出数据存在多列，因此 fluid 通过 feed 映射定义数据的传输数据，通过 fetch_list 取出期望结果：
+由于传入数据与传出数据存在多列，因此 Paddle 通过 feed 映射定义数据的传输数据，通过 fetch_list 取出期望结果：
```python
#开始训练
outs = exe.run(
@@ -362,5 +360,5 @@ Fluid使用Executor.run来运行一段Program。
[6.099215 ]], dtype=float32), array([1.6935859], dtype=float32)]
```
-至此您已经了解了Fluid 内部的执行流程的核心概念，更多框架使用细节请参考[使用指南](../../user_guides/index_cn.html)相关内容，[模型库](../../user_guides/models/index_cn.html
+至此您已经了解了Paddle内部的执行流程的核心概念，更多框架使用细节请参考[使用指南](../../user_guides/index_cn.html)相关内容，[模型库](../../user_guides/models/index_cn.html
)中也为您提供了丰富的模型示例以供参考。
diff --git a/doc/fluid/advanced_usage/design_idea/image/executor_design.png b/doc/fluid/advanced_usage/design_idea/image/executor_design.png
index 0b3b7ad72fd487e4193beb41db7b7df748a2844c..ae0cf2f161da7d0700ecb4f63772d2bfc4c26de0 100644
Binary files a/doc/fluid/advanced_usage/design_idea/image/executor_design.png and b/doc/fluid/advanced_usage/design_idea/image/executor_design.png differ