Merge branch 'develop' of https://github.com/PaddlePaddle/models into develop

fluid/adversarial/advbox/models/paddle.py

@@ -51,7 +51,8 @@ class PaddleModel(Model):
         loss = self._program.block(0).var(self._cost_name)
         param_grads = fluid.backward.append_backward(
             loss, parameter_list=[self._input_name])
-        self._gradient = dict(param_grads)[self._input_name]
+        self._gradient = filter(lambda p: p[0].name == self._input_name,
+                                param_grads)[0][1]
 
     def predict(self, image_batch):
         """

nce_cost/README.md

@@ -106,7 +106,6 @@ NCE 层的一些重要参数解释如下：
 | param\_attr / bias\_attr | 用来设置参数名字 |方便预测阶段加载参数，具体在预测一节中介绍。|
 | num\_neg\_samples | 负样本采样个数|可以控制正负样本比例，这个值取值区间为 [1, 字典大小-1]，负样本个数越多则整个模型的训练速度越慢，模型精度也会越高 |
 | neg\_distribution | 生成负样例标签的分布，默认是一个均匀分布| 可以自行控制负样本采样时各个类别的采样权重。例如：希望正样例为“晴天”时，负样例“洪水”在训练时更被着重区分，则可以将“洪水”这个类别的采样权重增加|
-| act | 使用何种激活函数| 根据 NCE 的原理，这里应该使用 sigmoid 函数 |
 
 ## 预测
 1. 在命令行运行 :