Hw1104

doc/fluid/api/api_guides/low_level/layers/conv.rst

@@ -32,7 +32,7 @@
   对于depthwise convolution，可以设置groups等于输入通道数，此时，2D卷积的卷积核形状为[C_o, 1, f_h, f_w]。
   对于pointwise convolution，卷积核的形状为[C_o, C_in, 1, 1]。
 
-  **注意**：Fluid针对depthwise convolution的GPU计算做了高度优化，您可以通过在:code:`fluid.layers.conv2d`接口设置:code:`use_cudnn=False`来使用Fluid自身优化的CUDA程序。
+  **注意**：Fluid针对depthwise convolution的GPU计算做了高度优化，您可以通过在 :code:`fluid.layers.conv2d`接口设置 :code:`use_cudnn=False`来使用Fluid自身优化的CUDA程序。
 
 - 空洞卷积(dilated convolution):
 

doc/fluid/api/executor_cn.rst

@@ -0,0 +1,96 @@
+
+
+.. cn_api_fluid_executor:
+
+Executor
+=======================
+
+
+*class* paddle.fluid.executor. Executor *(place)*
+---------------------------------------------------------
+
+
+
+执行引擎（Executor）使用python脚本驱动，仅支持在单GPU环境下运行。多卡环境下请参考 ``ParallelExecutor`` 。
+Python Executor可以接收传入的program,并根据feed map(输入映射表)和fetch_list(结果获取表)
+向program中添加feed operators(数据输入算子)和fetch operators（结果获取算子)。
+feed map为该program提供输入数据。fetch_list提供program训练结束后用户预期的变量（或识别类场景中的命名）。
+
+应注意，执行器会执行program中的所有算子而不仅仅是依赖于fetch_list的那部分。
+
+Executor将全局变量存储到全局作用域中，并为临时变量创建局部作用域。
+当每一mini-batch上的前向/反向运算完成后，局部作用域的内容将被废弃，
+但全局作用域中的变量将在Executor的不同执行过程中一直存在。
+
+program中所有的算子会按顺序执行。
+
+参数:	
+    - place (core.CPUPlace|core.CUDAPlace(n)) – 指明了 ``Executor`` 的执行场所
+
+
+
+提示：你可以用Executor来调试基于并行GPU实现的复杂网络，他们有完全一样的参数也会产生相同的结果。
+
+
+``close()``
+++++++++++++++++++++++++
+
+关闭这个执行器(Executor)。调用这个方法后不可以再使用这个执行器。 对于分布式训练, 该函数会释放在PServers上涉及到目前训练器的资源。
+
+**示例代码**
+
+..  code-block:: python
+
+    cpu = core.CPUPlace()
+    exe = Executor(cpu)
+    ...
+    exe.close()
+
+
+
+``run(program=None, feed=None, fetch_list=None, feed_var_name='feed', fetch_var_name='fetch', scope=None, return_numpy=True, use_program_cache=False)``
+*************************************************************************************************************************************************************************
+
+调用该执行器对象的此方法可以执行program。通过feed map提供待学习数据，以及借助fetch_list得到相应的结果。
+Python执行器(Executor)可以接收传入的program,并根据输入映射表(feed map)和结果获取表(fetch_list)
+向program中添加数据输入算子(feed operators)和结果获取算子（fetch operators)。
+feed map为该program提供输入数据。fetch_list提供program训练结束后用户预期的变量（或识别类场景中的命名）。
+
+应注意，执行器会执行program中的所有算子而不仅仅是依赖于fetch_list的那部分。
+
+参数：  
+	- program (Program) – 需要执行的program,如果没有给定那么默认使用default_main_program
+	- feed (dict) – 前向输入的变量，数据,词典dict类型, 例如 {“image”: ImageData, “label”: LableData}
+	- fetch_list (list) – 用户想得到的变量或者命名的列表, run会根据这个列表给与结果
+	- feed_var_name (str) – 前向算子(feed operator)变量的名称
+	- fetch_var_name (str) – 结果获取算子(fetch operator)的输出变量名称
+	- scope (Scope) – 执行这个program的域，用户可以指定不同的域。缺省为全局域
+	- return_numpy (bool) – 如果为True,则将结果张量（fetched tensor）转化为numpy
+	- use_program_cache (bool) – 当program较上次比没有改动则将其置为True
+**示例代码**
+
+..  code-block:: python
+
+
+	data = layers.data(name='X', shape=[1], dtype='float32')
+	hidden = layers.fc(input=data, size=10)
+	layers.assign(hidden, out)
+	loss = layers.mean(out)
+	adam = fluid.optimizer.Adam()
+	adam.minimize(loss)
+
+
+..  code-block:: python
+
+
+	cpu = core.CPUPlace()
+	exe = Executor(cpu)
+	exe.run(default_startup_program())
+
+..  code-block:: python
+
+	x = numpy.random.random(size=(10, 1)).astype('float32')
+	outs = exe.run(
+		feed={'X': x},
+		fetch_list=[loss.name])
+

doc/fluid/api/fluid_cn.rst

@@ -0,0 +1,102 @@
+.. cn_api_fluid_default_startup_program:
+
+
+default_startup_program
+>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
+
+paddle.fluid.default_startup_program()
+""""""""""""""""""""""""""""""""""""""""""
+
+
+该函数可以获取默认/全局 startup program (启动程序)。
+
+``fluid.layers`` 中的layer函数会新建参数、读取器(readers)、NCCL句柄作为全局变量。 
+
+startup_program会使用内在的算子(operators)去初始化他们，并由layer函数将这些operators追加到startup program中。
+
+该函数将返回默认的或当前的startup_program。用户可以使用 ``fluid.program_guard`` 去切换program。
+
+返回:	startup program
+
+返回类型:	Program
+
+
+
+
+
+
+.. cn_api_fluid_default_main_program:
+
+
+default_main_program
+>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
+
+paddle.fluid.default_main_program()
+""""""""""""""""""""""""""""""""""""""""""
+
+
+
+
+此函数用于获取默认或全局main program(主程序)。该主程序用于训练和测试模型。
+
+``fluid.layers`` 中的所有layer函数可以向 ``default_main_program`` 中添加算子(operators)和变量(variables)。
+
+``default_main_program`` 是fluid的许多编程接口（API）的Program参数的缺省值。例如,当用户program没有传入的时候，
+``Executor.run()`` 会默认执行 ``default_main_program`` 。
+
+
+返回：	main program
+
+返回类型:	Program
+
+
+
+
+
+
+.. cn_api_fluid_program_guard:
+
+
+program_guard
+>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
+
+paddle.fluid.program_guard(*args, **kwds)
+""""""""""""""""""""""""""""""""""""""""""
+
+
+该函数应配合使用python的“with”语句来改变全局主程序(main program)和启动程序(startup program)。
+
+“with”语句块中的layer函数将在新的主程序（main program）后添加算子（operators）和变量（variables）。
+
+**代码示例**
+
+..  code-block:: python
+
+	import paddle.fluid as fluid
+	main_program = fluid.Program()
+	startup_program = fluid.Program()
+	with fluid.program_guard(main_program, startup_program):
+		data = fluid.layers.data(...)
+ 		hidden = fluid.layers.fc(...)
+
+需要注意的是，如果用户不需要构建自己的启动程序或者主程序，一个临时的program将会发挥作用。
+
+.. The temporary Program can be used if the user does not need to construct either of startup program or main program.
+
+**代码示例**
+
+..  code-block:: python
+
+	import paddle.fluid as fluid
+	main_program = fluid.Program()
+	# does not care about startup program. Just pass a temporary value.
+	with fluid.program_guard(main_program, fluid.Program()):
+		data = ...
+
+
+参数：  
+		- **main_program** (Program) – “with”语句中将使用的新的主程序(main program)。
+		- **startup_program** (Program) – “with”语句中将使用的新的启动程序(startup program)。若传入 ``None`` 则不改变当前的启动程序。
+
+
+

doc/fluid/api/layers_cn.rst

@@ -0,0 +1,139 @@
+
+.. _cn_api_fluid_layers_While:
+
+While
+>>>>>>>>>>>>
+
+*class* paddle.fluid.layers.  While *(cond, is_test=False, name=None)*
+""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
+
+该类用于实现while循环控制功能。
+
+
+参数：  
+		- cond (Variable) – 用于比较的条件
+		- is_test (bool) – 用于表明是不是在测试阶段执行
+
+
+**代码示例**
+
+..  code-block:: python
+
+  d0 = layers.data("d0", shape=[10], dtype='float32')
+  data_array = layers.array_write(x=d0, i=i)
+  array_len = layers.fill_constant(shape=[1],dtype='int64', value=3)
+  cond = layers.less_than(x=i, y=array_len)
+  while_op = layers.While(cond=cond)
+  with while_op.block():
+      d = layers.array_read(array=data_array, i=i)
+      i = layers.increment(x=i, in_place=True)
+      layers.array_write(result, i=i, array=d)
+      layers.less_than(x=i, y=array_len, cond=cond)
+
+
+
+.. _cn_api_fluid_layers_Switch:
+
+Switch
+>>>>>>>>>>>>>>>>>>>>
+*class* paddle.fluid.layers.  Switch *(name=None)*
+"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
+
+Switch类实现的功能十分类似if-elif-else。它可以在学习率调度器(learning rate scheduler)中调整学习率。
+:: 
+  语义上，
+      1. switch控制流挨个检查cases
+      2. 各个case的条件是一个布尔值(boolean)，它是一个标量(scalar)变量
+      3. 它将执行第一个匹配的case后面的分支，如果没有匹配的case，但若存在一个default case,则会执行default case后面的语句
+      4. 一旦匹配了一个case,它降会执行这个case所对应的分支，且仅此分支。
+
+**代码示例**
+
+..  code-block:: python
+
+    lr = fluid.layers.tensor.create_global_var(
+        shape=[1],
+        value=0.0,
+        dtype='float32',
+        persistable=True,
+        name="learning_rate")
+    one_var = tensor.fill_constant(
+        shape=[1], dtype='float32', value=1.0)
+    two_var = tensor.fill_constant(
+        shape=[1], dtype='float32', value=2.0)
+
+    with fluid.layers.control_flow.Switch() as switch:
+        with switch.case(global_step == zero_var):
+            fluid.layers.tensor.assign(input=one_var, output=lr)
+        with switch.default():
+            fluid.layers.tensor.assign(input=two_var, output=lr)
+
+``case(condition)``
+""""""""""""""""""""""""""""""""""
+为该condition（情况，条件）建立新的block（块）。
+
+
+``default()``
+""""""""""""""""""""""""""""""""""""""
+为该switch建立default case。
+
+
+
+
+
+
+
+.. _cn_api_fluid_layers_increment:
+
+increment
+>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
+
+paddle.fluid.layers.  increment(x, value=1.0, in_place=True)
+"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
+
+该函数为x中的每一个值增加 ``value`` 大小, ``value`` 即函数中待传入的参数。该函数默认直接在原变量x上进行运算。
+
+参数:
+    - x (Variable|list) – 含有输入值的张量(tensor)
+    - value (float) – 需要增加在x变量上的值
+    - in_place (bool) – 是否在x变量本身进行增加操作，而非返回其增加后的一个副本本身不改变。默认为True, 即在其本身进行操作。
+
+返回： 每个元素增加后的对象
+返回类型：变量(variable)
+
+**代码示例**
+
+..  code-block:: python
+
+    data = fluid.layers.data(name='data', shape=[32, 32], dtype='float32')
+    data = fluid.layers.increment(x=data, value=3.0, in_place=True)
+
+
+
+
+
+.. _cn_api_fluid_layers_array_write:    
+
+array_write
+>>>>>>>>>>>>>>>>>>>>>>
+paddle.fluid.layers.   array_write(x, i, array=None)
+"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
+该函数将给定的输入变量（即 ``x`` ）写入一个作为输出的 ``LOD_TENSOR_ARRAY`` 变量的某一指定位置中，
+这一位置由数组下标(即 ``i`` )指明。 如果 ``LOD_TENSOR_ARRAY`` (即 ``array`` )未指定（即为None值）， 一个新的 ``LOD_TENSOR_ARRAY`` 将会被创建并作为结果返回。
+
+参数:
+    - x (Variable|list) – 待从中读取数据的输入张量(tensor)
+    - i (Variable|list) – 输出结果 ``LOD_TENSOR_ARRAY`` 的下标, 该下标指向输入张量 ``x`` 写入输出数组的位置
+    - array (Variable|list) – 会被输入张量 ``x`` 写入的输出结果 ``LOD_TENSOR_ARRAY`` 。如果该项值为None, If this parameter is NONE, 一个新的 ``LOD_TENSOR_ARRAY`` 将会被创建并作为结果返回
+
+返回:	输入张量 ``x`` 所写入的输出结果 ``LOD_TENSOR_ARRAY``  
+返回类型:	变量（Variable）
+
+**代码示例**
+
+..  code-block:: python
+
+  tmp = fluid.layers.zeros(shape=[10], dtype='int32')
+  i = fluid.layers.fill_constant(shape=[1], dtype='int64', value=10)
+  arr = layers.array_write(tmp, i=i)
+