this is a mp_layer api inference clarification

docs/api/paddle/distributed/fleet/Mp_layer.rst

@@ -0,0 +1,171 @@
+Mp_layers
+-----------------
+
+
+..Fleet:mp_layers
+
+Mp_layers是飞桨的分布式训练统一API中的fleet中的一个方法,其主要分为以下几个部分：嵌入式表示， 矩阵乘
+
+嵌入式表示：
+
+方法
+........
+........
+init(num_embeddings, embedding_dim,  weight_attr=None, mp_group=None, name=None)
+''''''''
+
+初始化嵌入式类。
+
+**参数**
+
+    - **num_embeddings** (int) 词典的大小尺寸
+    - **embedding_dim** (Tensor) 词典中每个词的向量维度
+    - **weight_attr** (Tenosr) 指定权重参数的属性
+    - **mp_group** (bool)    表示是否采用模型并行的集群
+    - **name** (string)     神经网络模型输出的前缀标识
+
+**返回**
+None
+
+
+create_parameter(weight_attr, shape, dtype, is_bias)
+''''''''
+
+创建参数模型的权重参数
+
+
+**参数**
+
+   - **weight_attr** (Tensor) 指定权重参数的属性
+   - **shape** (Tensor)模型参数的形状（请注意这里的形状是由词典的大小尺寸整除以GPU数目与embedding_dim的维度连接而成）
+   - **dtype** 参数的数据类型
+   - **is_bias** (bool)  是否存在偏置项,以简单的W=AX+B为例，此处的B即为偏置项
+**返回**
+Tensor
+
+**代码示例**
+    code-block::python
+         self.weight = self.create_parameter(attr=self._weight_attr,
+                                                    shape=self._size,
+                                                    dtype=self._dtype,
+                                                    is_bias=False)
+
+
+
+c_lookup_table（table, index, start_index, name）
+''''''''
+
+根据序列号查找表
+
+**参数**
+
+    - **table** (Tensor) 输入的张量矩阵
+    - **index** (Tensor) 查找表的序列号
+    - **start_index**  (int) 查重表的初始位置
+    - **name** (string)   调用的api名称
+**返回**
+Tensor
+
+**代码示例**
+  code-block::python
+       output_parallel = paddle.distributed.collective._c_lookup_table(
+                self.weight,
+                x,
+                start_index=self.vocab_start_index,
+                name=self._name)
+
+
+
+mp_allreduce (output, group, use_cal_stram, use_model_parallel)
+..........
+
+对矩阵张量进行聚合
+
+**参数**
+    - **output** (Tensor) 输入的张量矩阵
+    - **group** (int) 分布式并行的群组节点ID
+    - **use_cal_stream** （bool）是否使用流水线
+    - **use_model_parallel** （bool）是否采用模型并行
+**返回**
+Tensor
+
+**代码示例**
+   code-block::python
+          output_parallel = paddle.distributed.collective._c_lookup_table(
+                self.weight,
+                x,
+                start_index=self.vocab_start_index,
+                name=self._name)
+
+
+embedding (input, weight, padding_index, sparse, name)
+''''''''''''
+
+对张量进行嵌入式运行
+
+**参数**
+       - **input** (Tensor) 输入的张量
+       - **weight** (Tensor) 模型权重参数
+       - **padding_index** (int) 该位置下的向量用0补齐
+       - **sparse** (bool) 在前向传播和后向传播的过程中不考虑全为0的向量
+       - **name** (string) 张量名称等
+**返回**
+Tensor
+
+
+矩阵乘：
+
+方法
+........
+........
+init(in_feature, out_feature,  weight_attr=None, has_bias, gather_output,  fuse_matmul_bias, mp_group, name)
+''''''''
+
+对矩阵分片运算进行初始化
+
+**参数**
+       - **in_feature** (Tensor) 输入的张量
+       - **out_feature** (Tensor) 输出的张量
+       - **weight_attr** (Tensor) 指定权重参数的属性
+       - **has_bias** (bool) 是否拥有偏置项
+       - **gater_output** (bool) 是否将本地结果进行聚合
+       - **fuse_matmul_bias** (bool) 分片向量进行融合时是否存在偏置
+       - **mp_group** (bool)    表示是否采用模型并行的集群
+       - **name** (string) 张量名称等
+
+
+c_concat(x, group)
+'''''''
+
+对分片后的张量进行切片
+
+**参数**
+       - **x** 输入的张量
+       - **group** (int) 分布式并行的群组节点ID
+**返回**
+Tensor
+
+
+**代码示例**
+   code-block::python
+                  output = paddle.distributed.collective._c_concat(
+                output_parallel, group=self.model_parallel_group)
+
+
+c_split(x, group)
+'''''''
+
+对分片后的张量进行连接
+
+**参数**
+       - **x** (Tensor) 输入的张量
+       - **group** (int) 分布式并行的群组节点ID
+**返回**
+Tensor
+
+**代码示例**
+   code-block::python
+           input_parallel = paddle.distributed.collective._c_split(
+                x, group=self.model_parallel_group)
+
+