diff --git a/doc_cn/build_and_install/cmake/compile_options.rst b/doc_cn/build_and_install/cmake/compile_options.rst index b672b83f514ffdf77f9eb03f69764c841cb8ff11..bb5b18a073803662774cb6b7bcbdbafe3ad51112 100644 --- a/doc_cn/build_and_install/cmake/compile_options.rst +++ b/doc_cn/build_and_install/cmake/compile_options.rst @@ -23,7 +23,7 @@ bool型的编译选项 blas相关的编译选项 ++++++++++++++++++ -Paddle可以使用 `MKL `_ ， +PaddlePaddle可以使用 `MKL `_ ， `Atlas `_ , `OpenBlas `_ 和 `refference Blas `_ ，任意一种cblas实现。 @@ -52,7 +52,7 @@ cmake编译时会首先在系统路径(/usr/lib\:/usr/local/lib)中寻找这些b cuda/cudnn相关的编译选项 ++++++++++++++++++++++++ -Paddle可以使用 cudnn v2之后的任何一个cudnn版本来编译运行。但需要注意的是编译和 +PaddlePaddle可以使用 cudnn v2之后的任何一个cudnn版本来编译运行。但需要注意的是编译和 运行使用的cudnn尽量是同一个版本。推荐使用最新版本的cudnn v5.1。 在cmake配置时可以使用 :code:`CUDNN_ROOT` 来配置CUDNN的安装路径。使用的命令也是 diff --git a/doc_cn/build_and_install/install/docker_install.rst b/doc_cn/build_and_install/install/docker_install.rst index 2f07e00ae7e2fb8957702382e1fd2a7677017f82..be67aeb334eb3e4b394fc273bb4fd42e54935820 100644 --- a/doc_cn/build_and_install/install/docker_install.rst +++ b/doc_cn/build_and_install/install/docker_install.rst @@ -25,7 +25,7 @@ PaddlePaddle提供的Docker镜像版本 同时，不同的稳定版本，会将latest替换成稳定版本的版本号。 -Paddle提供的镜像并不包含任何命令运行，想要运行Paddle，您需要进入镜像运行paddle +PaddlePaddle提供的镜像并不包含任何命令运行，想要运行PaddlePaddle，您需要进入镜像运行paddlePaddle 程序或者自定义一个含有启动脚本的image。具体请参考注意事项中的 `使用ssh访问paddle镜像` diff --git a/doc_cn/build_and_install/install/index.rst b/doc_cn/build_and_install/install/index.rst index 3f4e6afb6471d66538f0049779e0f87a4b059334..af8380ac742579df76cf2e6b5a532f38e514fd3a 100644 --- a/doc_cn/build_and_install/install/index.rst +++ b/doc_cn/build_and_install/install/index.rst @@ -1,9 +1,9 @@ -安装Paddle +安装PaddlePaddle ========== -Paddle提供数个预编译的二进制来进行安装。他们包括Docker镜像，ubuntu的deb安装包等 -。欢迎贡献更多的安装包。我们更推荐使用Docker镜像来部署Paddle环境。 +PaddlePaddle提供数个预编译的二进制来进行安装。他们包括Docker镜像，ubuntu的deb安装包等 +。欢迎贡献更多的安装包。我们更推荐使用Docker镜像来部署PaddlePaddle环境。 .. toctree:: docker_install.rst - ubuntu_install.rst \ No newline at end of file + ubuntu_install.rst diff --git a/doc_cn/build_and_install/install/ubuntu_install.rst b/doc_cn/build_and_install/install/ubuntu_install.rst index 6562a3a4cb837841f7074eb988f167ad5bd8d2c8..c6d44db55314963700c300dfa099bee9389d7311 100644 --- a/doc_cn/build_and_install/install/ubuntu_install.rst +++ b/doc_cn/build_and_install/install/ubuntu_install.rst @@ -1,25 +1,25 @@ -使用deb包在Ubuntu上安装paddle +使用deb包在Ubuntu上安装PaddlePaddle ============================= -Paddle目前支持ubuntu 14.04版本使用deb包安装。更多的安装包Paddle会在近期提供。 +PaddlePaddle目前支持ubuntu 14.04版本使用deb包安装。更多的安装包PaddlePaddle会在近期提供。 欢迎大家贡献各个发行版的安装包(例如，ubuntu，centos，debian，gentoo)。 -Paddle的ubuntu安装包分为两个版本，即CPU版本，和GPU版本，他们的下载地址是: +PaddlePaddle的ubuntu安装包分为两个版本，即CPU版本，和GPU版本，他们的下载地址是: -* CPU版本的paddle安装包: TBD -* GPU版本的paddle安装包: TBD +* CPU版本的PaddlePaddle安装包: TBD +* GPU版本的PaddlePaddle安装包: TBD -需要注意的是，目前paddle的安装包只支持 +需要注意的是，目前PaddlePaddle的安装包只支持 `AVX `_ -指令集的X86 CPU。如果系统使用不支持 `AVX`_ 指令集的CPU运行Paddle，那么需要从源码 -编译Paddle，请参考 `编译文档 <../cmake/index.html>`_ 。 +指令集的X86 CPU。如果系统使用不支持 `AVX`_ 指令集的CPU运行PaddlePaddle，那么需要从源码 +编译PaddlePaddle，请参考 `编译文档 <../cmake/index.html>`_ 。 -用户需要先讲paddle安装包下载到本地，然后执行如下命令即可完成安装。 +用户需要先将PaddlePaddle安装包下载到本地，然后执行如下命令即可完成安装。 .. code-block:: shell dpkg -i paddle-1.0.0-cpu.deb apt-get install -f -需要注意的是，如果使用GPU版本的paddle，请安装CUDA 7.5 和CUDNN 5到本地环境中，并 +需要注意的是，如果使用GPU版本的PaddlePaddle，请安装CUDA 7.5 和CUDNN 5到本地环境中，并 设置好对应的环境变量(LD_LIBRARY_PATH等等)。 diff --git a/doc_cn/ui/cmd/index.rst b/doc_cn/ui/cmd/index.rst index 13772d6ff44d4d9f53828916c806e2f25674283d..7f492a537c1810a878ab199dc1a34db7bca880a2 100644 --- a/doc_cn/ui/cmd/index.rst +++ b/doc_cn/ui/cmd/index.rst @@ -1,15 +1,15 @@ 命令行参数 ========== -安装好的Paddle脚本包括多条命令，他们是 +安装好的PaddlePaddle脚本包括多条命令，他们是 -* paddle train即为paddle的训练进程。可以使用paddle train完成单机多显卡多线程的训 +* paddle train即为PaddlePaddle的训练进程。可以使用paddle train完成单机多显卡多线程的训 练。也可以和paddle pserver组合使用，完成多机训练。 -* paddle pserver为paddle的parameter server进程。负责多机训练中的参数聚合工作。 -* paddle version可以打印出paddle的版本和编译时信息。 -* merge_model 可以将paddle的模型和配置打包成一个文件。方便部署分发。 -* dump_config 可以将paddle的训练模型以proto string的格式打印出来 -* make_diagram 可以使用graphviz对paddle的网络模型进行绘制，方便调试使用。 +* paddle pserver为PaddlePaddle的parameter server进程。负责多机训练中的参数聚合工作。 +* paddle version可以打印出PaddlePaddle的版本和编译时信息。 +* merge_model 可以将PaddlePaddle的模型和配置打包成一个文件。方便部署分发。 +* dump_config 可以将PaddlePaddle的训练模型以proto string的格式打印出来 +* make_diagram 可以使用graphviz对PaddlePaddle的网络模型进行绘制，方便调试使用。 更详细的介绍请参考各个命令的命令行参数文档。 diff --git a/doc_cn/ui/data_provider/index.rst b/doc_cn/ui/data_provider/index.rst index 238d5d49f4366dd524bba03e8875fc98824ea031..681a131b66389917e81f629a473d1528c9a5a4a8 100644 --- a/doc_cn/ui/data_provider/index.rst +++ b/doc_cn/ui/data_provider/index.rst @@ -1,12 +1,12 @@ -Paddle的数据提供(DataProvider)介绍 +PaddlePaddle的数据提供(DataProvider)介绍 ================================== -数据提供(DataProvider，后用DataProvider代替)是Paddle负责提供数据的模块。其作用是将训练数据 +数据提供(DataProvider，后用DataProvider代替)是PaddlePaddle负责提供数据的模块。其作用是将训练数据 传入内存或者显存，让神经网络可以进行训练。简单的使用，用户可以使用Python的 :code:`PyDataProvider` 来自定义传数据的过程。如果有更复杂的使用，或者需要更高的效率， 用户也可以在C++端自定义一个 :code:`DataProvider` 。 -Paddle需要用户在网络配置(trainer_config.py)中定义使用什么DataProvider，和DataProvider +PaddlePaddle需要用户在网络配置(trainer_config.py)中定义使用什么DataProvider，和DataProvider 的一些参数，训练文件列表(train.list)和测试文件列表(test.list)。 其中，train.list和test.list均为本地的两个文件(推荐直接放置到训练目录，以相对路径引用)。如果 @@ -14,7 +14,7 @@ test.list不设置，或者设置为None的话，那么在训练过程中，不 参数指定的测试方式，在训练过程中进行测试，从而防止过拟合。 一般情况下，train.list和test.list为纯文本文件，其每一行对应这每一个数据文件。数据文件存放在 -本地磁盘中，将文件的绝对路径或相对路径(相对于Paddle程序运行时的路径)的方式写在train.list和 +本地磁盘中，将文件的绝对路径或相对路径(相对于PaddlePaddle程序运行时的路径)的方式写在train.list和 test.list中。当然，train.list和test.list也可以放置hdfs文件路径，或者数据库连接地址等等。 用户在DataProvider中需要实现如何访问其中每一个文件。 diff --git a/doc_cn/ui/data_provider/pydataprovider2.rst b/doc_cn/ui/data_provider/pydataprovider2.rst index 5f3fe31dad9f5ba023c171b6aa3193e4feee7a32..766f5835386557e1a092c70f60157ec8552ef0d3 100644 --- a/doc_cn/ui/data_provider/pydataprovider2.rst +++ b/doc_cn/ui/data_provider/pydataprovider2.rst @@ -1,8 +1,8 @@ PyDataProvider2的使用 ===================== -PyDataProvider是Paddle使用Python提供数据的推荐接口。使用该接口用户可以只关注如何 -从文件中读取每一条数据，而不用关心数据如何传输给Paddle，数据如何存储等等。该数据 +PyDataProvider是PaddlePaddle使用Python提供数据的推荐接口。使用该接口用户可以只关注如何 +从文件中读取每一条数据，而不用关心数据如何传输给PaddlePaddle，数据如何存储等等。该数据 接口使用多线程读取数据，并提供了简单的Cache功能。 @@ -26,9 +26,9 @@ train.list即为 .. literalinclude:: mnist_provider.py :linenos: -其中第一行是引入Paddle的PyDataProvider2包。主要函数是process函数。process函数 +其中第一行是引入PaddlePaddle的PyDataProvider2包。主要函数是process函数。process函数 具有两个参数，第一个参数是 settings 。这个参数在这个样例里没有使用，具 -体可以参考 settings 。第二个参数是filename，这个参数被Paddle进程传入，为 +体可以参考 settings 。第二个参数是filename，这个参数被PaddlePaddle进程传入，为 train.list中的一行(即train.list若干数据文件路径的某一个路径)。 :code:`@provider` 是一个Python的 `Decorator `_ @@ -41,10 +41,10 @@ train.list中的一行(即train.list若干数据文件路径的某一个路径) 式，请参考 `input_types`_ 的文档。 process函数是实现数据输入的主函数，在这个函数中，实现了打开文本文件，从文本文件中读取 -每一行，并将每行转换成和 `input_types`_ 一致的特征，并在23行返回给Paddle进程。需要注意 +每一行，并将每行转换成和 `input_types`_ 一致的特征，并在23行返回给PaddlePaddle进程。需要注意 的是， 返回的顺序需要和 `input_types`_ 中定义的顺序一致。 -同时，返回数据在Paddle中是仅仅返回一条完整的训练样本，并且使用关键词 :code:`yield` 。 +同时，返回数据在PaddlePaddle中是仅仅返回一条完整的训练样本，并且使用关键词 :code:`yield` 。 在PyDataProvider中，可以为一个数据文件返回多条训练样本(就像这个样例一样)，只需要在 process函数调用多次 :code:`yield` 即可。 :code:`yield` 是Python的一个关键词，相关的概 念是 :code:`generator` 。使用这个关键词，可以在一个函数里，多次返回变量。 @@ -56,8 +56,8 @@ process函数调用多次 :code:`yield` 即可。 :code:`yield` 是Python的一 这里说明了训练数据是 'train.list'，而没有测试数据。引用的DataProvider是 'mnist_provider' 这个模块中的 'process' 函数。 -至此，简单的PyDataProvider样例就说明完毕了。对于用户来说，讲数据发送给Paddle，仅仅需要 -知道如何从 **一个文件** 里面读取 **一条** 样本。而Paddle进程帮助用户做了 +至此，简单的PyDataProvider样例就说明完毕了。对于用户来说，讲数据发送给PaddlePaddle，仅仅需要 +知道如何从 **一个文件** 里面读取 **一条** 样本。而PaddlePaddle进程帮助用户做了 * 将数据组合成Batch训练 * Shuffle训练数据 @@ -140,7 +140,7 @@ DataProvider创建的时候执行。这个初始化函数具有如下参数: input_types +++++++++++ -Paddle的数据包括四种主要类型，和三种序列模式。其中，四种数据类型是 +PaddlePaddle的数据包括四种主要类型，和三种序列模式。其中，四种数据类型是 * dense_vector 表示稠密的浮点数向量。 * sparse_binary_vector 表示稀疏的零一向量，即大部分值为0，有值的位置只能取1 @@ -189,7 +189,7 @@ init_hook可以传入一个函数。这个函数在初始化的时候会被调 * file_list 所有文件列表。 * 用户定义的参数使用args在训练配置中设置。 -注意，paddle保留添加参数的权力，所以init_hook尽量使用 :code:`**kwargs` , 来接受不使用的 +注意，PaddlePaddle保留添加参数的权力，所以init_hook尽量使用 :code:`**kwargs` , 来接受不使用的 函数来保证兼容性。 .. _cache:: diff --git a/doc_cn/ui/predict/swig_py_paddle.rst b/doc_cn/ui/predict/swig_py_paddle.rst index 3615e6d079f058546c74e692087948cf010d0edc..284c60686d31167785bd15f4aa52dd7da0f51d1c 100644 --- a/doc_cn/ui/predict/swig_py_paddle.rst +++ b/doc_cn/ui/predict/swig_py_paddle.rst @@ -1,7 +1,7 @@ -Paddle的Python预测接口 +PaddlePaddle的Python预测接口 ================================== -Paddle目前使用Swig对其常用的预测接口进行了封装，使在Python环境下的预测接口更加简单。 +PaddlePaddle目前使用Swig对其常用的预测接口进行了封装，使在Python环境下的预测接口更加简单。 在Python环境下预测结果，主要分为以下几个步骤。 * 读入解析训练配置 @@ -17,8 +17,8 @@ Paddle目前使用Swig对其常用的预测接口进行了封装，使在Python 主要的软件包为py_paddle.swig_paddle，这个软件包文档相对完善。可以使用python的 :code:`help()` 函数查询文档。主要步骤为: -* 在程序开始阶段，使用命令行参数初始化paddle -* 在98行载入paddle的训练文件。读取config +* 在程序开始阶段，使用命令行参数初始化PaddlePaddle +* 在98行载入PaddlePaddle的训练文件。读取config * 在100行创建神经网络，并在83行载入参数。 * 103行创建一个从工具类，用来转换数据。 - swig_paddle接受的原始数据是C++的Matrix，也就是直接写内存的float数组。