Update EuclideanLoss.md

caffe2fluid/doc/EuclideanLoss.md

@@ -22,15 +22,26 @@ paddle.fluid.layers.square_error_cost(
 ```  
 
 ### 功能差异
-#### 计算机制的差异
-Caffe：计算的是整个输入的欧氏距离除以两倍的样本个数，最终获得的是一个值。                                        
+#### 实现方式
+Caffe：对整个输入的欧氏距离进行取和后除以两倍的样本个数，最终获得一个标量数值。                                        
 
+PaddlePaddle：使用elemenwise方式，计算`input`和`label`对应元素的欧式距离，最终获得一个array（输入和输出`shape`一致）： 
 
-PaddlePaddle：计算的是`input`和`label`中每个值对应的L2距离，输出的大小和输入大小一致。若要通过PaddlePaddle实现Caffe的这一操作可以通过下面示例完成：  
+### 代码示例
 ```python
-inputs = paddle.fluid.layers.data(name = 'data1', shape = [2,3,227,227], append_batch_size = False, dtype = 'float32')
-labels = paddle.fluid.layers.data(name = 'data1', shape = [2,3,227,227], append_batch_size = False, dtype = 'float32')
-loss = paddle.fluid.layers.square_error_cost(input = inputs, label = labels)
-sum = paddle.fluid.layers.sum(x = loss)
-res = sum/(2*inputs.shape[0])
+# 利用PaddlePaddle实现Caffe的EuclideanLoss
+def EuclideanLoss(inputs, label):
+    elw_eud = fluid.layers.square_error_cost(data, label)
+    eud = fluid.layers.reduce_mean(elw_eud)
+    eud = fluid.layers.scale(eud, scale=0.5)
+    return eud
+
+# 调用函数计算欧氏路离
+# inputs: [1, 2, 4, 5, 6]
+# labels: [6, 5, 4, 3, 2]
+# eud: 5.4
+inputs = fluid.layers.data(dtype='float32', shape=[5], name='data')
+labels = fluid.layers.data(dtype='float32', shape=[5], name='label')
+eud = EulideanLoss(inputs, labels)
 ```
+