fix some format problem

machine_translation/README.md

@@ -270,10 +270,11 @@ pre-wmt14
 ### 提供数据给PaddlePaddle
 
 1. 生成词典
-根据用户配置的词典长度，将数据预处理阶段生成的词典文件(src.dict, trg.dict)load到内存中生成一个map，结构为 {"word": index}.
 
-```python
-def __read_to_dict__(dict_path, count):
+    根据用户配置的词典长度，将数据预处理阶段生成的词典文件(src.dict, trg.dict)load到内存中生成一个map，结构为 {"word": index}.
+    
+    ```python
+    def __read_to_dict__(dict_path, count):
         with open(dict_path, "r") as fin:
             out_dict = dict()
             for line_count, line in enumerate(fin):
@@ -284,14 +285,17 @@ def __read_to_dict__(dict_path, count):
         return out_dict
 ```
 
-2. 读取训练数据(如: pre-wmt14/train/train)，通过词典将word转换为对应的index.并且:
-在源语言序列的每句话前面补上开始符号`<s>`、末尾补上结束符号`<e>`，得到“source_language_word”；
-在目标语言序列的每句话前面补上`<s>`，得到“target_language_word”；
-在目标语言序列的每句话末尾补上`<e>`，作为目标语言的下一个词序列（“target_language_next_word”)
+2. 读取训练数据
 
-通过yield返回给trainer.
-```python
-def __reader__(file_name, src_dict, trg_dict):
+    读取预处理之后的数据文件，如pre-wmt14/train/train, 通过词典将word转换为对应的index。注意:
+    
+    - 在源语言序列的每句话前面补上开始符号`<s>`、末尾补上结束符号`<e>`，得到“source_language_word”；
+    - 在目标语言序列的每句话前面补上`<s>`，得到“target_language_word”；
+    - 在目标语言序列的每句话末尾补上`<e>`，作为目标语言的下一个词序列（“target_language_next_word”)
+    
+    然后通过yield返回给trainer.
+    ```python
+    def __reader__(file_name, src_dict, trg_dict):
         with open(file_name, 'r') as f:
             for line_count, line in enumerate(f):
                 line_split = line.strip().split('\t')
@@ -314,13 +318,12 @@ def __reader__(file_name, src_dict, trg_dict):
                 trg_ids = [trg_dict[START]] + trg_ids
     
                 yield src_ids, trg_ids, trg_ids_next
-```
+    ```
 
 ## 模型配置说明
 
 ### 数据定义
-
-1，首先要定义词典大小，数据生成和网络配置都需要用到。
+1. 首先要定义词典大小，数据生成和网络配置都需要用到。
 
     ```python
     # source and target dict dim.
@@ -473,38 +476,36 @@ def __reader__(file_name, src_dict, trg_dict):
    ```
 注意：我们提供的配置在Bahdanau的论文\[[4](#参考文献)\]上做了一些简化，可参考[issue #1133](https://github.com/PaddlePaddle/Paddle/issues/1133)。
 
+### 参数定义
+    首先依据模型配置的`cost`定义模型参数。
     
-### 定义参数
-
-首先依据模型配置的`cost`定义模型参数。
-
-```python
-# create parameters
-parameters = paddle.parameters.create(cost)
-```
+    ```python
+    # create parameters
+    parameters = paddle.parameters.create(cost)
+    ```
     
-可以打印参数名字，如果在网络配置中没有指定名字，则默认生成。
+    可以打印参数名字，如果在网络配置中没有指定名字，则默认生成。
     
-```python
-for param in parameters.keys():
+    ```python
+    for param in parameters.keys():
         print param
-```
-
-## 训练模型
+    ```
 
+### 训练模型
 1. 构造trainer
-根据优化目标cost,网络拓扑结构和模型参数来构造出trainer用来训练，在构造时还需指定优化方法，这里使用最基本的SGD方法。
 
-```python
-optimizer = paddle.optimizer.Adam(learning_rate=1e-4)
-trainer = paddle.trainer.SGD(cost=cost,
+    根据优化目标cost,网络拓扑结构和模型参数来构造出trainer用来训练，在构造时还需指定优化方法，这里使用最基本的SGD方法。
+    
+    ```python
+    optimizer = paddle.optimizer.Adam(learning_rate=1e-4)
+    trainer = paddle.trainer.SGD(cost=cost,
                                  parameters=parameters,
                                  update_equation=optimizer)
 ```
-
 2. 构造数据reader
-reader负责读取数据变转换为paddle需要的格式。reader_dict指定字段在模型中的顺序。
-```python
+
+    reader负责读取数据变转换为paddle需要的格式。reader_dict指定字段在模型中的顺序。
+    ```python
     wmt14_reader = paddle.reader.batched(
         paddle.reader.shuffle(
             train_reader("data/pre-wmt14/train/train"), buf_size=8192),
@@ -515,31 +516,32 @@ reader负责读取数据变转换为paddle需要的格式。reader_dict指定字
         'target_language_word': 1,
         'target_language_next_word': 2
     }
-```
-
+    ```
 3. 开始训练
-可以通过自定义回调函数来评估训练过程中的各种述职，比如错误率等。下面的代码通过event.batch_id % 10 == 0
-指定没10个batch打印一次日志，包含cost等信息。
-```python
+
+    可以通过自定义回调函数来评估训练过程中的各种述职，比如错误率等。下面的代码通过event.batch_id % 10 == 0
+    指定没10个batch打印一次日志，包含cost等信息。
+    ```python
     def event_handler(event):
         if isinstance(event, paddle.event.EndIteration):
             if event.batch_id % 10 == 0:
                 print "Pass %d, Batch %d, Cost %f, %s" % (
                     event.pass_id, event.batch_id, event.cost, event.metrics)
-```
+    ```
+4. 启动训练：
 
-启动训练：
-```python
+    ```python
     trainer.train(
         reader=wmt14_reader,
         event_handler=event_handler,
         num_passes=10000,
         reader_dict=reader_dict)
-```
-训练开始后，可以观察到event_handler输出的日志如下：
-```text
-
-...
+    ```
+    训练开始后，可以观察到event_handler输出的日志如下：
+    ```text
+    Pass 0, Batch 0, Cost 247.408008, {'classification_error_evaluator': 1.0}
+    Pass 0, Batch 10, Cost 212.058789, {'classification_error_evaluator': 0.8737863898277283}
+    ...
 ```