update readme

fluid/neural_machine_translation/transformer/README_cn.md

@@ -155,18 +155,31 @@ perl multi-bleu.perl data/newstest2013.tok.de < predict.tok.txt
 BLEU = 25.08, 58.3/31.5/19.6/12.6 (BP=0.966, ratio=0.967, hyp_len=61321, ref_len=63412)
 ```
 ###分布式训练
+
 transformer 模型支持同步或者异步的分布式训练。分布式的配置主要两个方面:
+
 1 命令行配置
+
   --local参数，这个参数有两个取值，True表示单机训练，而False表示使用分布式训练。默认为单机训练模式。
+
   --sync参数，这个参数有两个取值，但只有当--local参数为False才会产生影响，其中True表示同步训练模式，False表示异步训练模式。默认为同步训练模式。
+
 2 环境变量配置
-  在分布式训练模式下，会手动配置训练的trainer数量和pserver数量。在网络拓扑上，每一个trainer都会和pserver相连，每一个pserver也会和trainer相连，pserver作为服务端,而trainer作为客户端。下面分pserver和trainer说明具体的参数配置：
+
+  在分布式训练模式下，会手动配置训练的trainer数量和pserver数量。在网络拓扑上，每一个trainer都会和pserver相连，每一个pserver也会和trainer相连，pserver作为服务端，而trainer作为客户端。下面分pserver和trainer说明具体的参数配置：
+
 1)pserver配置
+
 PADDLE_IS_LOCAL=[0|1]:是否是分布式训练，0标识是分布式，1标识是单机
+
 TRAINING_ROLE=PSERVER:标识当前节点是pserver
+
 POD_IP=ip:设置当前pserver使用对外服务的地址
+
 PADDLE_PORT=port:设置当前pserver对外服务监听端口号，和POD_IP共同构成对外的唯一标识
+
 PADDLE_TRAINERS_NUM=num:设置pserver连接的trainer的数量
+
 下面是配置的示例,使用两个pserver,192.168.2.2上的配置如下:
 ```
 export PADDLE_PSERVERS=192.168.2.2,192.168.2.3
@@ -186,10 +199,15 @@ export PADDLE_IS_LOCAL=0
 export PADDLE_PORT=6177
 ```
 2)trainer配置
+
 PADDLE_IS_LOCAL=[0|1]:是否是分布式训练，0标识是分布式，1标识是单机
+
 TRAINING_ROLE=TRAINER:标识当前节点是trainer
+
 PADDLE_PSERVERS=[ip1,ip2,……]:设置pserver的ip地址,用于告知trainer互联的pserver的ip,使用","分割
+
 PADDLE_TRAINER_ID=num:设置当前节点的编号,编号的取值范围为0到N-1的整数
+
 PADDLE_PORT=port:设置请求的pserver服务端口号
 
 下面是配置的示例,使用两个trainer,trainer 1上的配置如下: