update fit a line

01.fit_a_line/README.cn.md

@@ -148,7 +148,7 @@ data = numpy.fromfile(filename, sep=' ') # 读取原始数据
 data = data.reshape(data.shape[0] // feature_num, feature_num)
 maximums, minimums, avgs = data.max(axis=0), data.min(axis=0), data.sum(axis=0)/data.shape[0]
 
-for i in six.moves.range(feature_num-1):
+for i in six.moves.range(feature_num-1): # six.moves可以兼容python2和python3
     data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])
 
 ratio = 0.8 # 训练集和验证集的划分比例
@@ -165,12 +165,15 @@ x = fluid.layers.data(name='x', shape=[13], dtype='float32') # 定义输入的
 y = fluid.layers.data(name='y', shape=[1], dtype='float32') # 定义输出的形状和数据类型
 y_predict = fluid.layers.fc(input=x, size=1, act=None) # 连接输入和输出的全连接层
 
-main_program = fluid.[default_main_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-main-program)()
-startup_program = fluid.[default_startup_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-startup-program)()
+main_program = fluid.default_main_program() # 获取默认/全局主函数
+startup_program = fluid.default_startup_program() # 获取默认/全局启动程序
 
 cost = fluid.layers.square_error_cost(input=y_predict, label=y) # 利用标签数据和输出的预测数据估计方差
 avg_loss = fluid.layers.mean(cost) # 对方差求均值，得到平均损失
 ```
+详细资料请参考：
+[fluid.default_main_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-main-program)
+[fluid.default_startup_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-startup-program)
 
 ### Optimizer Function 配置
 
@@ -180,7 +183,9 @@ avg_loss = fluid.layers.mean(cost) # 对方差求均值，得到平均损失
 sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001)
 sgd_optimizer.minimize(avg_loss)
 
-#克隆main_program得到test_program，有些operator在训练和测试之间的操作是不同的，例如batch_norm，使用参数for_test来区分该程序是用来训练还是用来测试，该api不会删除任何操作符,请在backward和optimization之前使用。
+#克隆main_program得到test_program
+#有些operator在训练和测试之间的操作是不同的，例如batch_norm，使用参数for_test来区分该程序是用来训练还是用来测试
+#该api不会删除任何操作符,请在backward和optimization之前使用
 test_program = main_program.clone(for_test=True)
 ```
 
@@ -191,10 +196,12 @@ test_program = main_program.clone(for_test=True)
 use_cuda = False
 place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace() # 指明executor的执行场所
 
-###executor可以接受传入的program，并根据feed map(输入映射表)和fetch list(结果获取表)向program中添加数据输入算子和结果获取算子。使用close()关闭该executor，调用run(...)执行program,更多使用详情请参考[fluid.executor](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#permalink-15-executor)
+###executor可以接受传入的program，并根据feed map(输入映射表)和fetch list(结果获取表)向program中添加数据输入算子和结果获取算子。使用close()关闭该executor，调用run(...)执行program。
 exe = fluid.Executor(place)
 
 ```
+详细资料请参考:
+[fluid.executor](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#permalink-15-executor)
 
 ### 创建训练过程
 训练需要有一个训练程序和一些必要参数，并构建了一个获取训练过程中测试误差的函数。必要参数有executor,program,reader,feeder,fetch_list，executor表示之前创建的执行器，program表示执行器所执行的program，是之前创建的program，如果该项参数没有给定的话则默认使用defalut_main_program，reader表示读取到的数据，feeder表示前向输入的变量，fetch_list表示用户想得到的变量或者命名的结果。
@@ -202,7 +209,6 @@ exe = fluid.Executor(place)
 ```python
 num_epochs = 100
 
-# For training test cost
 def train_test(executor, program, reader, feeder, fetch_list):
     accumulated = 1 * [0]
     count = 0
@@ -228,7 +234,6 @@ print("%s', out %f" % (test_prompt, out))
 除此之外，还可以通过画图，来展现`训练进程`：
 
 ```python
-# plot data
 from paddle.utils.plot import ploter
 
 plot_prompt = ploter(train_prompt, test_prompt)
@@ -241,7 +246,6 @@ plot_prompt = ploter(train_prompt, test_prompt)
 
 ```python
 %matplotlib inline
-# Specify the directory to save the parameters
 params_dirname = "fit_a_line.inference.model"
 feeder = fluid.DataFeeder(place=place, feed_list=[x, y])
 naive_exe = fluid.Executor(place)
@@ -260,10 +264,10 @@ for pass_id in range(num_epochs):
         avg_loss_value, = exe.run(main_program,
                                   feed=feeder.feed(data_train),
                                   fetch_list=[avg_loss])
-        if step % 10 == 0:  # record a train cost every 10 batches
+        if step % 10 == 0: # 每10个批次记录一下训练损失
             plot_prompt.append(train_prompt, step, avg_loss_value[0])
             plot_prompt.plot()
-        if step % 100 == 0:  # record a test cost every 100 batches
+        if step % 100 == 0:  # 每100批次记录一下测试损失
             test_metics = train_test(executor=exe_test,
                                      program=test_program,
                                      reader=test_reader,
@@ -271,7 +275,6 @@ for pass_id in range(num_epochs):
                                      feeder=feeder)
             plot_prompt.append(test_prompt, step, test_metics[0])
             plot_prompt.plot()
-            # If the accuracy is good enough, we can stop the training.
             if test_metics[0] < 10.0: # 如果准确率达到要求，则停止训练
                 break
 

01.fit_a_line/index.cn.html

@@ -190,7 +190,7 @@ data = numpy.fromfile(filename, sep=' ') # 读取原始数据
 data = data.reshape(data.shape[0] // feature_num, feature_num)
 maximums, minimums, avgs = data.max(axis=0), data.min(axis=0), data.sum(axis=0)/data.shape[0]
 
-for i in six.moves.range(feature_num-1):
+for i in six.moves.range(feature_num-1): # six.moves可以兼容python2和python3
     data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])
 
 ratio = 0.8 # 训练集和验证集的划分比例
@@ -207,12 +207,15 @@ x = fluid.layers.data(name='x', shape=[13], dtype='float32') # 定义输入的
 y = fluid.layers.data(name='y', shape=[1], dtype='float32') # 定义输出的形状和数据类型
 y_predict = fluid.layers.fc(input=x, size=1, act=None) # 连接输入和输出的全连接层
 
-main_program = fluid.[default_main_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-main-program)()
-startup_program = fluid.[default_startup_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-startup-program)()
+main_program = fluid.default_main_program() # 获取默认/全局主函数
+startup_program = fluid.default_startup_program() # 获取默认/全局启动程序
 
 cost = fluid.layers.square_error_cost(input=y_predict, label=y) # 利用标签数据和输出的预测数据估计方差
 avg_loss = fluid.layers.mean(cost) # 对方差求均值，得到平均损失
 ```
+详细资料请参考：
+[fluid.default_main_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-main-program)
+[fluid.default_startup_program](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#default-startup-program)
 
 ### Optimizer Function 配置
 
@@ -222,7 +225,9 @@ avg_loss = fluid.layers.mean(cost) # 对方差求均值，得到平均损失
 sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001)
 sgd_optimizer.minimize(avg_loss)
 
-#克隆main_program得到test_program，有些operator在训练和测试之间的操作是不同的，例如batch_norm，使用参数for_test来区分该程序是用来训练还是用来测试，该api不会删除任何操作符,请在backward和optimization之前使用。
+#克隆main_program得到test_program
+#有些operator在训练和测试之间的操作是不同的，例如batch_norm，使用参数for_test来区分该程序是用来训练还是用来测试
+#该api不会删除任何操作符,请在backward和optimization之前使用
 test_program = main_program.clone(for_test=True)
 ```
 
@@ -233,10 +238,12 @@ test_program = main_program.clone(for_test=True)
 use_cuda = False
 place = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace() # 指明executor的执行场所
 
-###executor可以接受传入的program，并根据feed map(输入映射表)和fetch list(结果获取表)向program中添加数据输入算子和结果获取算子。使用close()关闭该executor，调用run(...)执行program,更多使用详情请参考[fluid.executor](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#permalink-15-executor)
+###executor可以接受传入的program，并根据feed map(输入映射表)和fetch list(结果获取表)向program中添加数据输入算子和结果获取算子。使用close()关闭该executor，调用run(...)执行program。
 exe = fluid.Executor(place)
 
 ```
+详细资料请参考:
+[fluid.executor](http://www.paddlepaddle.org/documentation/docs/zh/develop/api_cn/fluid_cn.html#permalink-15-executor)
 
 ### 创建训练过程
 训练需要有一个训练程序和一些必要参数，并构建了一个获取训练过程中测试误差的函数。必要参数有executor,program,reader,feeder,fetch_list，executor表示之前创建的执行器，program表示执行器所执行的program，是之前创建的program，如果该项参数没有给定的话则默认使用defalut_main_program，reader表示读取到的数据，feeder表示前向输入的变量，fetch_list表示用户想得到的变量或者命名的结果。
@@ -244,7 +251,6 @@ exe = fluid.Executor(place)
 ```python
 num_epochs = 100
 
-# For training test cost
 def train_test(executor, program, reader, feeder, fetch_list):
     accumulated = 1 * [0]
     count = 0
@@ -270,7 +276,6 @@ print("%s', out %f" % (test_prompt, out))
 除此之外，还可以通过画图，来展现`训练进程`：
 
 ```python
-# plot data
 from paddle.utils.plot import ploter
 
 plot_prompt = ploter(train_prompt, test_prompt)
@@ -283,7 +288,6 @@ plot_prompt = ploter(train_prompt, test_prompt)
 
 ```python
 %matplotlib inline
-# Specify the directory to save the parameters
 params_dirname = "fit_a_line.inference.model"
 feeder = fluid.DataFeeder(place=place, feed_list=[x, y])
 naive_exe = fluid.Executor(place)
@@ -302,10 +306,10 @@ for pass_id in range(num_epochs):
         avg_loss_value, = exe.run(main_program,
                                   feed=feeder.feed(data_train),
                                   fetch_list=[avg_loss])
-        if step % 10 == 0:  # record a train cost every 10 batches
+        if step % 10 == 0: # 每10个批次记录一下训练损失
             plot_prompt.append(train_prompt, step, avg_loss_value[0])
             plot_prompt.plot()
-        if step % 100 == 0:  # record a test cost every 100 batches
+        if step % 100 == 0:  # 每100批次记录一下测试损失
             test_metics = train_test(executor=exe_test,
                                      program=test_program,
                                      reader=test_reader,
@@ -313,7 +317,6 @@ for pass_id in range(num_epochs):
                                      feeder=feeder)
             plot_prompt.append(test_prompt, step, test_metics[0])
             plot_prompt.plot()
-            # If the accuracy is good enough, we can stop the training.
             if test_metics[0] < 10.0: # 如果准确率达到要求，则停止训练
                 break