refine cn doc of stack (#2536)

* refine doc of stack

* update paddle api

* fix typo

* fix doc

* fix sample code

* fix code-block

doc/fluid/api_cn/layers_cn/stack_cn.rst

@@ -13,7 +13,7 @@ stack
 
 - 例1:
 
-.. code-block:: python
+.. code-block:: text
 
     输入:
         x[0].shape = [1, 2]
@@ -35,7 +35,7 @@ stack
 
 - 例2:
 
-.. code-block:: python
+.. code-block:: text
 
     输入:
         x[0].shape = [1, 2]
@@ -55,7 +55,7 @@ stack
                       [5.0, 6.0] ] ]
 
 参数:
-      - **x** (Variable|list(Variable)) – 输入 x 可以是单个Tensor，或是多个Tensor组成的列表。如果 x 是一个列表，那么这些Tensor的维度必须相同。 假设输入是N维Tensor :math:`[d_0,d_1,...,d_{n−1}]`，则输出变量的维度为N+1维 :math:`[d_0,d_1,...d_{axis-1},len(x),d_{axis}...,d_{n−1}]` 。支持的数据类型: float32，float64，int32，int64。
+      - **x** (list(Variable)|tuple(Variable)) – 输入 x 是多个Tensor，且这些Tensor的维度和数据类型必须相同。支持的数据类型: float32，float64，int32，int64。
       - **axis** (int, 可选) – 指定对输入Tensor进行堆叠运算的轴，有效 ``axis`` 的范围是: :math:`[-(R+1), R+1)`，R是输入中第一个Tensor的rank。如果 ``axis`` < 0，则 :math:`axis=axis+rank(x[0])+1` 。axis默认值为0。
 
 返回: 堆叠运算后的Tensor，数据类型与输入Tensor相同。输出维度等于 :math:`rank(x[0])+1` 维。
@@ -68,19 +68,10 @@ stack
 
     import paddle.fluid as fluid
     import paddle.fluid.layers as layers
-    x1 = layers.data(name='x1', shape=[1, 2], dtype='int32')
-    x2 = layers.data(name='x2', shape=[1, 2], dtype='int32')
-    #对Tensor List进行堆叠
-    data = layers.stack([x1,x2])  # 沿着第0轴进行堆叠，data.shape=[2, 1, 2]
-
-    data = layers.stack([x1,x2], axis=1)  # 沿着第1轴进行堆叠，data.shape=[1, 2, 2]
-
-    #单个Tensor的堆叠
-    data = layers.stack(x1)  # 沿着第0轴进行堆叠，data.shape=[1, 1, 2]
-
-
-
-
-
-
+    # set batch size=None
+    x1 = fluid.data(name='x1', shape=[None, 1, 2], dtype='int32')
+    x2 = fluid.data(name='x2', shape=[None, 1, 2], dtype='int32')
+    # stack Tensor list
+    data = layers.stack([x1,x2]) # stack according to axis 0, data.shape=[2, None, 1, 2]
 
+    data = layers.stack([x1,x2], axis=1) # stack according to axis 1, data.shape=[None, 2, 1, 2]

doc/fluid/api_cn/tensor_cn/stack_cn.rst

@@ -52,9 +52,9 @@ stack
                         [5.0, 6.0] ] ]
 
 **参数**：
-        - **x** (Tensor|list[Tensor]) – 输入 x 可以是单个Tensor，或是多个Tensor组成的列表。如果 x 是一个列表，那么这些Tensor的维度必须相同。支持的数据类型: float32，float64，int32，int64。
+        - **x** (list[Tensor]|tuple[Tensor]) – 输入 x 是多个Tensor，且这些Tensor的维度和数据类型必须相同。支持的数据类型: float32，float64，int32，int64。
 
-        - **axis** (int, 可选) – 指定对输入Tensor进行堆叠运算的轴，有效 axis 的范围是: [−(R+1),R+1)]，R是输入中第一个Tensor的维数。如果 axis < 0，则 axis=axis+R+1 。默认值为0。
+        - **axis** (int, 可选) – 指定对输入Tensor进行堆叠运算的轴，有效 axis 的范围是: [−(R+1),R+1]，R是输入中第一个Tensor的维数。如果 axis < 0，则 axis=axis+R+1 。默认值为0。
 
         - **name** (str, 可选) - 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
 

doc/paddle/api/paddle/fluid/layers/stack_cn.rst

@@ -13,7 +13,7 @@ stack
 
 - 例1:
 
-.. code-block:: python
+.. code-block:: text
 
     输入:
         x[0].shape = [1, 2]
@@ -35,7 +35,7 @@ stack
 
 - 例2:
 
-.. code-block:: python
+.. code-block:: text
 
     输入:
         x[0].shape = [1, 2]
@@ -55,7 +55,7 @@ stack
                       [5.0, 6.0] ] ]
 
 参数:
-      - **x** (Variable|list(Variable)) – 输入 x 可以是单个Tensor，或是多个Tensor组成的列表。如果 x 是一个列表，那么这些Tensor的维度必须相同。 假设输入是N维Tensor :math:`[d_0,d_1,...,d_{n−1}]`，则输出变量的维度为N+1维 :math:`[d_0,d_1,...d_{axis-1},len(x),d_{axis}...,d_{n−1}]` 。支持的数据类型: float32，float64，int32，int64。
+      - **x** (list(Variable)|tuple(Variable)) – 输入 x 可以是单个Tensor，或是多个Tensor组成的列表。如果 x 是一个列表，那么这些Tensor的维度必须相同。 假设输入是N维Tensor :math:`[d_0,d_1,...,d_{n−1}]`，则输出变量的维度为N+1维 :math:`[d_0,d_1,...d_{axis-1},len(x),d_{axis}...,d_{n−1}]` 。支持的数据类型: float32，float64，int32，int64。
       - **axis** (int, 可选) – 指定对输入Tensor进行堆叠运算的轴，有效 ``axis`` 的范围是: :math:`[-(R+1), R+1)`，R是输入中第一个Tensor的rank。如果 ``axis`` < 0，则 :math:`axis=axis+rank(x[0])+1` 。axis默认值为0。
 
 返回: 堆叠运算后的Tensor，数据类型与输入Tensor相同。输出维度等于 :math:`rank(x[0])+1` 维。
@@ -68,19 +68,10 @@ stack
 
     import paddle.fluid as fluid
     import paddle.fluid.layers as layers
-    x1 = layers.data(name='x1', shape=[1, 2], dtype='int32')
-    x2 = layers.data(name='x2', shape=[1, 2], dtype='int32')
-    #对Tensor List进行堆叠
-    data = layers.stack([x1,x2])  # 沿着第0轴进行堆叠，data.shape=[2, 1, 2]
-
-    data = layers.stack([x1,x2], axis=1)  # 沿着第1轴进行堆叠，data.shape=[1, 2, 2]
-
-    #单个Tensor的堆叠
-    data = layers.stack(x1)  # 沿着第0轴进行堆叠，data.shape=[1, 1, 2]
-
-
-
-
-
-
+    # set batch size=None
+    x1 = fluid.data(name='x1', shape=[None, 1, 2], dtype='int32')
+    x2 = fluid.data(name='x2', shape=[None, 1, 2], dtype='int32')
+    # stack Tensor list
+    data = layers.stack([x1,x2]) # stack according to axis 0, data.shape=[2, None, 1, 2]
 
+    data = layers.stack([x1,x2], axis=1) # stack according to axis 1, data.shape=[None, 2, 1, 2]

doc/paddle/api/paddle/tensor/manipulation/stack_cn.rst

@@ -52,9 +52,9 @@ stack
                         [5.0, 6.0] ] ]
 
 **参数**：
-        - **x** (Tensor|list[Tensor]) – 输入 x 可以是单个Tensor，或是多个Tensor组成的列表。如果 x 是一个列表，那么这些Tensor的维度必须相同。支持的数据类型: float32，float64，int32，int64。
+        - **x** (list[Tensor]|tuple[Tensor]) – 输入 x 是多个Tensor，且这些Tensor的维度和数据类型必须相同。支持的数据类型: float32，float64，int32，int64。
 
-        - **axis** (int, 可选) – 指定对输入Tensor进行堆叠运算的轴，有效 axis 的范围是: [−(R+1),R+1)]，R是输入中第一个Tensor的维数。如果 axis < 0，则 axis=axis+R+1 。默认值为0。
+        - **axis** (int, 可选) – 指定对输入Tensor进行堆叠运算的轴，有效 axis 的范围是: [−(R+1),R+1]，R是输入中第一个Tensor的维数。如果 axis < 0，则 axis=axis+R+1 。默认值为0。
 
         - **name** (str, 可选) - 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。