【cherry-pick】新增fused transformer encoder 中文文档 #4022 (#4026)

* 新增一个融合算子:fused_feedforward (#3999)

* 修改错别字

* 备注CPU不支持float16

* update example

* add fused_feedforward

* add fused_feedforward

* add fused_feedforward

* opt the description

* update docs

* update docs

* update doc

* move fused_feedforward docs position

* 新增fused transformer encoder 中文文档 (#4022)

* 修改错别字

* 备注CPU不支持float16

* update example

* add fused_feedforward

* add fused_feedforward

* add fused_feedforward

* opt the description

* update docs

* update docs

* update doc

* move fused_feedforward docs position

* add incubate/nn/layer

* move fused transfomrer doc to incubate/nn/

* modify the doc

* modify fused transformer encoder layer doc

Author: zhangkaihuo

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

@@ -0,0 +1,38 @@
+.. _cn_api_incubate_nn_FusedFeedForward:
+
+FusedFeedForward
+-------------------------------
+.. py:class:: paddle.incubate.nn.FusedFeedForward(d_model, dim_feedforward, dropout_rate=0.1, activation='relu', act_dropout_rate=None, normalize_before=False, weight_attr=None, bias_attr=None)
+
+这是一个调用融合算子fused_feedforward（参考 :ref:`cn_api_incubate_nn_functional_fused_feedforward` ）。
+
+
+参数
+:::::::::
+    - **d_model** (int) - 输入输出的维度。
+    - **dim_feedforward** (int) - 前馈神经网络中隐藏层的大小。
+    - **dropout_rate** (float，可选) - 对本层的输出进行处理的dropout值, 置零的概率。默认值：0.1。
+    - **activation** (str，可选) - 激活函数。默认值：``relu``。
+    - **act_dropout_rate** (float，可选) - 激活函数后的dropout置零的概率。如果为 ``None`` 则  ``act_dropout_rate = dropout_rate`` 。默认值： ``None`` 。
+    - **normalize_before** (bool, 可选) - 设置对输入输出的处理。如果为 ``True`` ，则对输入进行层标准化（Layer Normalization），否则（即为 ``False`` ），则对输入不进行处理，而是在输出前进行标准化。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，即使用0进行初始化。具体用法请参见 :ref:`cn_api_fluid_ParamAttr` 。
+    - **bias_attr** （ParamAttr|bool，可选）- 指定偏置参数属性的对象。如果该参数值是 ``ParamAttr`` ，则使用 ``ParamAttr`` 。如果该参数为 ``bool`` 类型，只支持为 ``False`` ，表示没有偏置参数。默认值为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` 。
+
+返回
+:::::::::
+    - Tensor, 输出Tensor，数据类型与 ``x`` 一样。
+
+代码示例
+::::::::::
+
+.. code-block:: python
+
+    # required: gpu
+    import paddle
+    from paddle.incubate.nn import FusedFeedForward
+
+    fused_feedforward_layer = FusedFeedForward(8, 8)
+    x = paddle.rand((1, 8, 8))
+    out = fused_feedforward_layer(x)
+    print(out.numpy().shape)
+    # (1, 8, 8)

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

@@ -0,0 +1,43 @@
+.. _cn_api_incubate_nn_FusedTransformerEncoderLayer:
+
+FusedTransformerEncoderLayer
+-------------------------------
+.. py:class:: paddle.incubate.nn.FusedTransformerEncoderLayer(d_model, nhead, dim_feedforward, dropout_rate=0.1, activation='relu', attn_dropout_rate=None, act_dropout_rate=None, normalize_before=False, weight_attr=None, bias_attr=None)
+
+
+FusedTransformer编码器层由两个子层组成：多头自注意力机制和前馈神经网络。如果 ``normalize_before`` 为 ``True`` ，则对每个子层的输入进行层标准化（Layer Normalization），对每个子层的输出进行dropout和残差连接（residual connection）。否则（即 ``normalize_before`` 为 ``False`` ），则对每个子层的输入不进行处理，只对每个子层的输出进行dropout、残差连接（residual connection）和层标准化（Layer Normalization）。
+
+
+参数
+:::::::::
+    - **d_model** (int) - 输入输出的维度。
+    - **nhead** (int) - multi-head attention（MHA）的Head数量。
+    - **dim_feedforward** (int) - 前馈神经网络中隐藏层的大小。
+    - **dropout_rate** (float，可选) - 对两个子层的输出进行处理的dropout值, 置零的概率。默认值：0.1。
+    - **activation** (str，可选) - 前馈神经网络的激活函数。默认值：``relu``。
+    - **attn_dropout_rate** (float，可选) - MHA中对注意力目标的随机失活率。如果为 `None` 则 ``attn_dropout = dropout`` 。默认值： ``None`` 。
+    - **act_dropout_rate** (float，可选) - 前馈神经网络的激活函数后的dropout置零的概率。如果为 ``None`` 则 ``act_dropout_rate = dropout_rate`` 。默认值： ``None`` 。
+    - **normalize_before** (bool, 可选) - 设置对每个子层的输入输出的处理。如果为 ``True`` ，则对每个子层的输入进行层标准化（Layer Normalization），否则（即为 ``False`` ），则对每个子层的输入不进行处理，而是在子层的输出前进行标准化。默认值： ``False`` 。
+    - **weight_attr** (ParamAttr|tuple，可选) - 指定权重参数属性的对象。如果是 ``tuple`` ，MHA的权重参数属性使用 ``weight_attr[0]`` ，前馈神经网络的权重参数属性使用 ``weight_attr[1]`` 。如果参数值是 ``ParamAttr`` ，则MHA和前馈神经网络的权重参数属性都使用 ``ParamAttr`` 。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|tuple|bool，可选）- 指定偏置参数属性的对象。如果是 ``tuple`` ，MHA的偏置参数属性使用 ``bias_attr[0]`` ，前馈神经网络的偏置参数属性使用 ``bias_attr[1]`` 。如果该参数值是 ``ParamAttr`` ，则MHA和前馈神经网络的偏置参数属性都使用 ``ParamAttr`` 。如果该参数为 ``bool`` 类型，只支持为 ``False`` ，表示没有偏置参数。默认值为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` 。
+
+
+返回
+:::::::::
+    - Tensor, 输出Tensor，数据类型与 ``x`` 一样。
+
+代码示例
+::::::::::
+
+.. code-block:: python
+
+    # required: gpu
+    import paddle
+    from paddle.incubate.nn import FusedTransformerEncoderLayer
+
+    # encoder input: [batch_size, src_len, d_model]
+    enc_input = paddle.rand((2, 4, 128))
+    # self attention mask: [batch_size, n_head, src_len, src_len]
+    attn_mask = paddle.rand((2, 2, 4, 4))
+    encoder_layer = FusedTransformerEncoderLayer(128, 2, 512)
+    enc_output = encoder_layer(enc_input, attn_mask)  # [2, 4, 128]

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

@@ -18,15 +18,15 @@ fused_feedforward
 
 参数
 :::::::::
-    - **x** (Tensor) - 输入Tensor，数据类型支持float16， float32 和float64, 输入的形状是`[batch_size, sequence_length, d_model]`。
-    - **linear1_weight** (Tensor) - 第一个linear算子的权重数据，数据类型与`x`一样，形状是`[d_model, dim_feedforward]`。
-    - **linear2_weight** (Tensor) - 第二个linear算子的权重数据，数据类型与`x`一样，形状是`[dim_feedforward, d_model]`。
-    - **linear1_bias** (Tensor, 可选) - 第一个linear算子的偏置数据，数据类型与`x`一样，形状是`[dim_feedforward]`。默认值为None。
-    - **linear2_bias** (Tensor, 可选) - 第二个linear算子的偏置数据，数据类型与`x`一样，形状是`[d_model]`。默认值为None。
-    - **ln1_scale** (Tensor, 可选) - 第一个layer_norm算子的权重数据，数据类型可以是float32或者float64，形状和`x`一样。默认值为None。
-    - **ln1_bias** (Tensor, 可选) - 第一个layer_norm算子的偏置数据，数据类型和`ln1_scale`一样， 形状是`[d_model]`。默认值为None。
-    - **ln2_scale** (Tensor, 可选) - 第二个layer_norm算子的权重数据，数据类型可以是float32或者float64，形状和`x`一样。默认值为None。
-    - **ln2_bias** (Tensor, 可选) - 第二个layer_norm算子的偏置数据，数据类型和`ln2_scale`一样， 形状是`[d\_model]`。默认值为None。
+    - **x** (Tensor) - 输入Tensor，数据类型支持float16， float32 和float64, 输入的形状是 ``[batch_size, sequence_length, d_model]`` 。
+    - **linear1_weight** (Tensor) - 第一个linear算子的权重数据，数据类型与 ``x`` 一样，形状是 ``[d_model, dim_feedforward]`` 。
+    - **linear2_weight** (Tensor) - 第二个linear算子的权重数据，数据类型与 ``x`` 一样，形状是 ``[dim_feedforward, d_model]`` 。
+    - **linear1_bias** (Tensor, 可选) - 第一个linear算子的偏置数据，数据类型与 ``x`` 一样，形状是 ``[dim_feedforward]`` 。默认值为None。
+    - **linear2_bias** (Tensor, 可选) - 第二个linear算子的偏置数据，数据类型与 ``x`` 一样，形状是 ``[d_model]`` 。默认值为None。
+    - **ln1_scale** (Tensor, 可选) - 第一个layer_norm算子的权重数据，数据类型可以是float32或者float64，形状和 ``x`` 一样。默认值为None。
+    - **ln1_bias** (Tensor, 可选) - 第一个layer_norm算子的偏置数据，数据类型和 ``ln1_scale`` 一样， 形状是 ``[d_model]`` 。默认值为None。
+    - **ln2_scale** (Tensor, 可选) - 第二个layer_norm算子的权重数据，数据类型可以是float32或者float64，形状和  ``x`` 一样。默认值为None。
+    - **ln2_bias** (Tensor, 可选) - 第二个layer_norm算子的偏置数据，数据类型和 ``ln2_scale`` 一样， 形状是 ``[d_model]`` 。默认值为None。
     - **dropout1_rate** (float, 可选) - 第一个dropout算子置零的概率。默认是0.5。
     - **dropout2_rate** (float, 可选) - 第二个dropout算子置零的概率。默认是0.5。
     - **activation** (string, 可选) - 激活函数。默认值是relu。
@@ -37,7 +37,7 @@ fused_feedforward
 
 返回
 :::::::::
-    - Tensor, 输出Tensor，数据类型与`x`一样。
+    - Tensor, 输出Tensor，数据类型与 ``x`` 一样。
 
 代码示例
 ::::::::::