update doc

06.label_semantic_roles/README.en.md

@@ -211,6 +211,7 @@ Here we fetch the dictionary, and print its size:
 ```python
 import math
 import numpy as np
+import gzip
 import paddle.v2 as paddle
 import paddle.v2.dataset.conll05 as conll05
 
@@ -387,7 +388,7 @@ evaluator.sum(input=crf_dec)
 All necessary parameters will be traced created given output layers that we need to use.
 
 ```python
-parameters = paddle.parameters.create([crf_cost, crf_dec])
+parameters = paddle.parameters.create(crf_cost)
 ```
 
 We can print out parameter name. It will be generated if not specified.

06.label_semantic_roles/README.md

@@ -347,7 +347,7 @@ crf_cost = paddle.layer.crf(
         learning_rate=mix_hidden_lr))
 ```
 
-- CRF译码层和CRF层参数名字相同，即共享权重。如果输入了正确的数据标签(target)，会统计错误标签的个数，可以用来评估模型。如果没有输入正确的数据标签，该层可以推到出最优解，可以用来预测模型。在训练中，`evaluator.sum`对CRF译码层统计结果进行求和并得到平均标记错误率。
+- CRF译码层和CRF层参数名字相同，即共享权重。如果输入了正确的数据标签(target)，会统计错误标签的个数，可以用来评估模型。如果没有输入正确的数据标签，该层可以推到出最优解，可以用来预测模型。
 
 ```python
 crf_dec = paddle.layer.crf_decoding(

06.label_semantic_roles/index.en.html

@@ -253,6 +253,7 @@ Here we fetch the dictionary, and print its size:
 ```python
 import math
 import numpy as np
+import gzip
 import paddle.v2 as paddle
 import paddle.v2.dataset.conll05 as conll05
 
@@ -429,7 +430,7 @@ evaluator.sum(input=crf_dec)
 All necessary parameters will be traced created given output layers that we need to use.
 
 ```python
-parameters = paddle.parameters.create([crf_cost, crf_dec])
+parameters = paddle.parameters.create(crf_cost)
 ```
 
 We can print out parameter name. It will be generated if not specified.

06.label_semantic_roles/index.html

@@ -389,7 +389,7 @@ crf_cost = paddle.layer.crf(
         learning_rate=mix_hidden_lr))
 ```
 
-- CRF译码层和CRF层参数名字相同，即共享权重。如果输入了正确的数据标签(target)，会统计错误标签的个数，可以用来评估模型。如果没有输入正确的数据标签，该层可以推到出最优解，可以用来预测模型。在训练中，`evaluator.sum`对CRF译码层统计结果进行求和并得到平均标记错误率。
+- CRF译码层和CRF层参数名字相同，即共享权重。如果输入了正确的数据标签(target)，会统计错误标签的个数，可以用来评估模型。如果没有输入正确的数据标签，该层可以推到出最优解，可以用来预测模型。
 
 ```python
 crf_dec = paddle.layer.crf_decoding(