add some args (#4096)

Author: zhangkaihuo

docs/api/paddle/incubate/nn/FusedMultiHeadAttention_cn.rst

@@ -3,7 +3,7 @@
 FusedMultiHeadAttention
 -------------------------------
 
-.. py:class:: paddle.incubate.nn.FusedMultiHeadAttention(embed_dim, num_heads, dropout_rate=0.5, attn_dropout_rate=0.5, kdim=None, vdim=None, normalize_before=False, need_weights=False, weight_attr=None, bias_attr=None, name=None)
+.. py:class:: paddle.incubate.nn.FusedMultiHeadAttention(embed_dim, num_heads, dropout_rate=0.5, attn_dropout_rate=0.5, kdim=None, vdim=None, normalize_before=False, need_weights=False, weight_attr=None, bias_attr=None, epsilon=1e-5, name=None)
 
 
 
@@ -31,6 +31,7 @@ FusedMultiHeadAttention
     - **need_weights** (bool, 可选) - 表明是否返回注意力权重。默认值： ``False`` 。
     - **weight_attr** (ParamAttr，可选) - 指定权重参数属性的对象。默认值： ``None`` ，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
     - **bias_attr** （ParamAttr，可选）- 指定偏置参数属性的对象。默认值： ``None`` ，表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
+    - **epsilon** (float, 可选) - 为了数值稳定加在分母上的值。默认值：1e-05。
     - **name** (str，可选） - 操作的名称。默认值为： ``None`` 。更多信息请参见 :ref:`api_guide_Name`。
 
 形状

docs/api/paddle/incubate/nn/functional/fused_feedforward_cn.rst

@@ -3,7 +3,7 @@
 fused_feedforward
 -------------------------------
 
-.. py:function:: paddle.incubate.nn.functional.fused_feedforward(x, linear1_weight, linear2_weight, linear1_bias=None, linear2_bias=None, ln1_scale=None, ln1_bias=None, ln2_scale=None, ln2_bias=None, dropout1_rate=0.5, dropout2_rate=0.5,activation="relu", ln1_epsilon=1e-5, ln2_epsilon=1e-5, pre_layer_norm=False, name=None):
+.. py:function:: paddle.incubate.nn.functional.fused_feedforward(x, linear1_weight, linear2_weight, linear1_bias=None, linear2_bias=None, ln1_scale=None, ln1_bias=None, ln2_scale=None, ln2_bias=None, dropout1_rate=0.5, dropout2_rate=0.5,activation="relu", ln1_epsilon=1e-5, ln2_epsilon=1e-5, pre_layer_norm=False, training=True, mode='upscale_in_train', name=None):
 
 这是一个融合算子，该算子是对transformer模型中feed forward层的多个算子进行融合，该算子只支持在GPU下运行，该算子与如下伪代码表达一样的功能：
 
@@ -33,6 +33,19 @@ fused_feedforward
     - **ln1_epsilon** (float, 可选) - 一个很小的浮点数，被第一个layer_norm算子加到分母，避免出现除零的情况。默认值是1e-5。
     - **ln2_epsilon** (float, 可选) - 一个很小的浮点数，被第二个layer_norm算子加到分母，避免出现除零的情况。默认值是1e-5。
     - **pre_layer_norm** (bool, 可选) - 在预处理阶段加上layer_norm，或者在后处理阶段加上layer_norm。默认值是False。
+    - **training** (bool): 标记是否为训练阶段。 默认: True。
+    - **mode** (str): 丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认: 'upscale_in_train'。计算方法如下:
+
+        1. upscale_in_train, 在训练时增大输出结果。
+
+            - train: out = input * mask / ( 1.0 - p )
+            - inference: out = input
+
+        2. downscale_in_infer, 在预测时减小输出结果
+
+            - train: out = input * mask
+            - inference: out = input * (1.0 - p)
+
     - **name** (string, 可选) – fused_feedforward的名称, 默认值为None。更多信息请参见 :ref:`api_guide_Name` 。
 
 返回

docs/api/paddle/incubate/nn/functional/fused_multi_head_attention_cn.rst

@@ -3,7 +3,7 @@
 fused_multi_head_attention
 -------------------------------
 
-.. py:function:: paddle.incubate.nn.functional.fused_multi_head_attention(x, qkv_weight, linear_weight, pre_layer_norm=False, pre_ln_scale=None, pre_ln_bias=None, ln_scale=None, ln_bias=None, pre_ln_epsilon=1e-05, qkv_bias=None, linear_bias=None, attn_mask=None, dropout_rate=0.5, attn_dropout_rate=0.5, ln_epsilon=1e-05, name=None)
+.. py:function:: paddle.incubate.nn.functional.fused_multi_head_attention(x, qkv_weight, linear_weight, pre_layer_norm=False, pre_ln_scale=None, pre_ln_bias=None, ln_scale=None, ln_bias=None, pre_ln_epsilon=1e-05, qkv_bias=None, linear_bias=None, attn_mask=None, dropout_rate=0.5, attn_dropout_rate=0.5, ln_epsilon=1e-05, traing=True, mode='upscale_in_train', name=None)
 
 **多头注意力机制**
 
@@ -33,7 +33,10 @@ fused_multi_head_attention 算子目前只支持在GPU下运行，其包含的
     out = out * v
     out = transpose(out, perm=[0, 2, 1, 3])
     out = out_linear(out)
-    out = layer_norm(x + dropout(linear_bias + out))
+    if pre_layer_norm:
+        out = x + dropout(linear_bias + out)
+    else:
+        out = layer_norm(x + dropout(linear_bias + out))
 
 
 值得注意的是，该API中，q, k, v 的 weight 被统一存储在一个权重张量中，形状为 `[3, num_heads, head_dim, embed_dim]` , 
@@ -57,6 +60,18 @@ fused_multi_head_attention 算子目前只支持在GPU下运行，其包含的
     - **dropout_rate** (float, 可选) - 代表 multi-head attention 之后的 dropout 算子的 dropout 比例，默认为0.5。
     - **attn_dropout_rate** (float, 可选) - 代表 multi-head attention 中的 dropout 算子的 dropout 比例，默认为0.5。
     - **ln_epsilon** (float, 可选) - 代表 normalize_before 为True 时，multi-head attention 中第二个 （False时的第一个） ``layer_norm`` 为了数值稳定加在分母上的值。默认值为 1e-05 。
+    - **training** (bool): 标记是否为训练阶段。 默认: True。
+    - **mode** (str): 丢弃单元的方式，有两种'upscale_in_train'和'downscale_in_infer'，默认: 'upscale_in_train'。计算方法如下:
+
+        1. upscale_in_train, 在训练时增大输出结果。
+
+            - train: out = input * mask / ( 1.0 - p )
+            - inference: out = input
+
+        2. downscale_in_infer, 在预测时减小输出结果
+
+            - train: out = input * mask
+            - inference: out = input * (1.0 - p)
     - **name** (str, 可选) - 操作的名称(可选，默认值为 ``None`` ）。更多信息请参见 :ref:`api_guide_Name`。
 
 返回