add InputSpec doc

doc/fluid/api_cn/static_cn/InputSpec_cn.rst

+.. _cn_api_static_cn_data:
+
+InputSpec
+-------------------------------
+
+
+.. py:class:: paddle.static.InputSpec(shape=None, dtype='float32', name=None)
+
+
+
+用于描述模型输入的签名信息，包括shape、dtype和name。
+
+参数：
+  - **shape** (list|tuple)- 声明维度信息的list或tuple，默认值为None。
+  - **dtype** (np.dtype|VarType|str，可选)- 数据类型，支持bool，float16，float32，float64，int8，int16，int32，int64，uint8。默认值为float32。
+  - **name** (str)- 被创建对象的名字，具体用法请参见 :ref:`api_guide_Name` 。
+
+返回：初始化后的 ``InputSpec`` 对象
+
+返回类型：InputSpec
+
+**代码示例**
+
+.. code-block:: python
+
+    from paddle.static import InputSpec
+
+    input = InputSpec([None, 784], 'float32', 'x')
+    label = InputSpec([None, 1], 'int64', 'label')
+
+
+.. py:method:: from_tensor(tensor, name=None)
+
+该接口将根据输入Tensor的shape、dtype等信息构建InputSpec对象。
+     
+参数：
+  - **tensor** (Tensor) - 用于构建InputSpec的源Tensor
+  - **name** (str): 被创建对象的名字，具体用法请参见 :ref:`api_guide_Name` 。 默认为：None。
+
+
+返回：根据Tensor信息构造的 ``InputSpec`` 对象
+
+返回类型：InputSpec
+
+
+**代码示例**
+
+.. code-block:: python
+
+    import numpy as np
+    import paddle.fluid as fluid
+    from paddle.static import InputSpec
+
+    fluid.enable_dygraph()
+
+    x = fluid.dygraph.to_variable(np.ones([2, 2], np.float32))
+    x_spec = InputSpec.from_tensor(x, name='x')
+    print(x_spec)  # InputSpec(shape=(2, 2), dtype=VarType.FP32, name=x)
+
+
+.. py:method:: from_numpy(ndarray, name=None)
+
+该接口将根据输入numpy ndarray的shape、dtype等信息构建InputSpec对象。
+     
+参数：
+  - **ndarray** (Tensor) - 用于构建InputSpec的numpy ndarray
+  - **name** (str): 被创建对象的名字，具体用法请参见 :ref:`api_guide_Name` 。 默认为：None。
+
+
+返回：根据ndarray信息构造的 ``InputSpec`` 对象
+
+返回类型：InputSpec
+
+
+**代码示例**
+
+.. code-block:: python
+
+    import numpy as np
+    from paddle.static import InputSpec
+
+    x = np.ones([2, 2], np.float32)
+    x_spec = InputSpec.from_numpy(x, name='x')
+    print(x_spec)  # InputSpec(shape=(2, 2), dtype=VarType.FP32, name=x)
+
+
+.. py:method:: batch(batch_size)
+
+该接口将batch_size插入到当前InputSpec对象的shape元组最前面。
+     
+参数：
+  - **batch_size** (int) - 被插入的batch size整型数值
+
+返回： 更新shape信息后的``InputSpec`` 对象
+
+返回类型：InputSpec
+
+
+**代码示例**
+
+.. code-block:: python
+
+    from paddle.static import InputSpec
+
+    x_spec = InputSpec(shape=[64], dtype='float32', name='x')
+    x_spec.batch(4)
+    print(x_spec)  # InputSpec(shape=(4, 64), dtype=VarType.FP32, name=x)
+
+
+.. py:method:: unbatch()
+
+该接口将当前InputSpec对象shape[0]值移除。
+
+
+返回： 更新shape信息后的``InputSpec`` 对象
+
+返回类型：InputSpec
+
+
+**代码示例**
+
+.. code-block:: python
+
+    from paddle.static import InputSpec
+
+    x_spec = InputSpec(shape=[4, 64], dtype='float32', name='x')
+    x_spec.unbatch()
+    print(x_spec)  # InputSpec(shape=(64,), dtype=VarType.FP32, name=x)
+

doc/fluid/api_cn/static_cn/data_cn.rst

+.. _cn_api_static_cn_data:
+
+data
+-------------------------------
+
+
+.. py:function:: paddle.static.data(name, shape, dtype='float32', lod_level=0)
+
+
+
+
+该OP会在全局block中创建变量（Variable），该全局变量可被计算图中的算子（operator）访问。该变量可作为占位符用于数据输入。例如用执行器（Executor）feed数据进该变量
+
+注意：
+
+  不推荐使用 ``paddle.fluid.layers.data`` ，其在之后的版本中会被删除。请使用这个 ``paddle.static.data`` 。 
+
+  ``paddle.fluid.layers.data`` 在组网期间会设置创建的变量维度（shape）和数据类型（dtype），但不会检查输入数据的维度和数据类型是否符合要求。 ``paddle.static.data`` 会在运行过程中由Executor/ParallelExecutor检查输入数据的维度和数据类型。
+
+  如果想输入变长输入，可以使用 ``paddle.static.data`` 时将变长维度设为-1，或者直接输入 ``paddle.fluid.layers.data`` 且PaddlePaddle会按具体输入的形状运行。
+
+  本API创建的变量默认 ``stop_gradient`` 属性为true，这意味这反向梯度不会被传递过这个数据变量。如果用户想传递反向梯度，可以设置 ``var.stop_gradient = False`` 。
+
+参数：
+    - **name** (str)- 被创建的变量的名字，具体用法请参见 :ref:`api_guide_Name` 。
+    - **shape** (list|tuple)- 声明维度信息的list或tuple。
+    - **dtype** (np.dtype|VarType|str，可选)- 数据类型，支持bool，float16，float32，float64，int8，int16，int32，int64，uint8。默认值为float32。
+    - **lod_level** (int，可选)- LoDTensor变量的LoD level数，LoD level是PaddlePaddle的高级特性，一般任务中不会需要更改此默认值，关于LoD level的详细适用场景和用法请见 :ref:`cn_user_guide_lod_tensor` 。默认值为0。
+
+返回：全局变量，可进行数据访问
+
+返回类型：Variable
+
+**代码示例**：
+
+.. code-block:: python
+    import paddle
+    import paddle.fluid as fluid
+    import numpy as np
+
+    # Creates a variable with fixed size [3, 2, 1]
+    # User can only feed data of the same shape to x
+    x = paddle.static.data(name='x', shape=[3, 2, 1], dtype='float32')
+
+    # Creates a variable with changable batch size -1.
+    # Users can feed data of any batch size into y,
+    # but size of each data sample has to be [2, 1]
+    y = paddle.static.data(name='y', shape=[-1, 2, 1], dtype='float32')
+
+    z = x + y
+
+    # In this example, we will feed x and y with np-ndarry "1"
+    # and fetch z, like implementing "1 + 1 = 2" in PaddlePaddle
+    feed_data = np.ones(shape=[3, 2, 1], dtype=np.float32)
+
+    exe = fluid.Executor(fluid.CPUPlace())
+    out = exe.run(fluid.default_main_program(),
+                  feed={
+                      'x': feed_data,
+                      'y': feed_data
+                  },
+                  fetch_list=[z.name])
+
+    # np-ndarray of shape=[3, 2, 1], dtype=float32, whose elements are 2
+    print(out)
+
+