[Docathon][Fix note No.25、26]

docs/api/paddle/static/Executor_cn.rst

@@ -64,8 +64,8 @@ run(program=None, feed=None, fetch_list=None, feed_var_name='feed', fetch_var_na
 返回 fetch_list 中指定的变量值。
 
 .. note::
-     1. 如果是多卡训练，并且 feed 参数为 dict 类型，输入数据将被均匀分配到不同的卡上，例如：使用 2 块 GPU 训练，输入样本数为 3，即[0, 1, 2]，经过拆分之后，GPU0 上的样本数为 1，即[0]，GPU1 上的样本数为 2，即[1, 2]。如果样本数少于设备数，程序会报错，因此运行模型时，应额外注意数据集的最后一个 batch 的样本数是否少于当前可用的 CPU 核数或 GPU 卡数，如果是少于，建议丢弃该 batch。
-     2. 如果可用的 CPU 核数或 GPU 卡数大于 1，则 fetch 出来的结果为不同设备上的相同变量值（fetch_list 中的变量）在第 0 维拼接在一起。
+    1. 如果是多卡训练，并且 feed 参数为 dict 类型，输入数据将被均匀分配到不同的卡上，例如：使用 2 块 GPU 训练，输入样本数为 3，即[0, 1, 2]，经过拆分之后，GPU0 上的样本数为 1，即[0]，GPU1 上的样本数为 2，即[1, 2]。如果样本数少于设备数，程序会报错，因此运行模型时，应额外注意数据集的最后一个 batch 的样本数是否少于当前可用的 CPU 核数或 GPU 卡数，如果是少于，建议丢弃该 batch。
+    2. 如果可用的 CPU 核数或 GPU 卡数大于 1，则 fetch 出来的结果为不同设备上的相同变量值（fetch_list 中的变量）在第 0 维拼接在一起。
 
 
 **代码示例 1**
@@ -107,7 +107,7 @@ train_from_dataset(program=None, dataset=None, scope=None, thread=0, debug=False
 从预定义的数据集中训练。数据集在 paddle.fluid.dataset 中定义。给定程序（或编译程序），train_from_dataset 将使用数据集中的所有数据样本。输入范围可由用户给出。默认情况下，范围是 global_scope()。训练中的线程总数是 thread。训练中使用的线程数将是数据集中 threadnum 的最小值，同时也是此接口中线程的值。可以设置 debug，以便执行器显示所有算子的运行时间和当前训练任务的吞吐量。
 
 .. note::
-train_from_dataset 将销毁每次运行在 executor 中创建的所有资源。
+    train_from_dataset 将销毁每次运行在 executor 中创建的所有资源。
 
 **参数**
 
@@ -127,4 +127,4 @@ train_from_dataset 将销毁每次运行在 executor 中创建的所有资源。
 
 **代码示例**
 
-COPY-FROM: paddle.static.Executor.train_from_dataset
+COPY-FROM: paddle.static.Executor.train_from_dataset

docs/api/paddle/static/Program_cn.rst

@@ -3,11 +3,11 @@
 Program
 -------------------------------
 
-.. py:class::  paddle.static.Program
+.. py:class:: paddle.static.Program
 
 
 .. note::
-默认情况下，Paddle 内部默认含有 :ref:`cn_api_paddle_static_default_startup_program` 和 :ref:`cn_api_paddle_static_default_main_program`，它们共享参数。:ref:`cn_api_paddle_static_default_startup_program` 只运行一次来初始化参数，:ref:`cn_api_paddle_static_default_main_program` 在每个 mini batch 中运行并更新权重。
+    默认情况下，Paddle 内部默认含有 :ref:`cn_api_paddle_static_default_startup_program` 和 :ref:`cn_api_paddle_static_default_main_program`，它们共享参数。:ref:`cn_api_paddle_static_default_startup_program` 只运行一次来初始化参数，:ref:`cn_api_paddle_static_default_main_program` 在每个 mini batch 中运行并更新权重。
 
 Program 是 Paddle 对于计算图的一种静态描述，使用 Program 的构造函数可以创建一个 Program。Program 中包括至少一个 :ref:`api_guide_Block`，当 :ref:`api_guide_Block` 中存在条件选择的控制流 OP（例如 :ref:`cn_api_paddle_static_nn_while_loop` 等）时，该 Program 将会含有嵌套着的 :ref:`api_guide_Block` 即控制流外部的 :ref:`api_guide_Block` 将包含着控制流内部的 :ref:`api_guide_Block`，而嵌套的 :ref:`api_guide_Block` 的元素访问控制将由具体的控制流 OP 来决定。关于 Program 具体的结构和包含的类型请参阅 `framework.proto <https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/framework/framework.proto>`_
 。
@@ -51,7 +51,7 @@ clone(for_test=False)
 '''''''''
 
 .. note::
-    1. ``Program.clone()`` 方法不会克隆例如 :ref:`cn_api_paddle_io_DataLoader` 这样的数据读取相关的部分，这可能会造成的数据读取部分在克隆后丢失；
+    1. ``Program.clone()`` 方法不会克隆例如 :ref:`cn_api_paddle_io_DataLoader` 这样的数据读取相关的部分，这可能会造成的数据读取部分在克隆后丢失。
     2. 此 API 当 ``for_test=True`` 时将会裁剪部分 OP 和变量。为防止错误的裁剪，推荐在 :ref:`cn_api_paddle_static_append_backward` 和执行优化器之前使用；``clone(for_test=True)`` 。