update

docs/api/paddle/static/nn/sparse_embedding_cn.rst

@@ -63,7 +63,7 @@ input中的id必须满足 ``0 =< id < size[0]``，否则程序会抛异常退出
     - **size** (tuple|list) - embedding矩阵的维度(vocab_size，emb_size)。必须包含两个元素，第一个元素为vocab_size(词表大小), 第二个为emb_size（embedding层维度）。大规模稀疏场景下，参数规模初始为0，会随着训练的进行逐步扩展，因此如果vocab_size暂时无用，其值可以为任意整数，emb_size则为词嵌入权重参数的维度配置。
     - **padding_idx** (int|long|None，可选) - padding_idx需在区间 ``[-vocab_size, vocab_size)`` ，否则不生效，``padding_idx < 0`` 时，padding_idx会被改成``vocab_size + padding_idx``，input中等于padding_index的id对应的embedding信息会被设置为0，且这部分填充数据在训练时将不会被更新。如果为None，不作处理，默认为None。
     - **is_test** (bool，可选) -  表示训练/预测模式。在预测模式(is_test=False)下，遇到不存在的特征，不会初始化及创建，直接以0填充后返回。默认值为False。
-    - **entry** (str，可选) - 准入策略配置，目前支持概率准入ProbabilityEntry和频次准入CountFilterEntry。默认为None。
+    - **entry** (str，可选) - 准入策略配置，目前仅支持ShowClickEntry，对特征的展现（show）和点击（click）进行计数。默认为None。
     - **table_class** (str，可选) - 稀疏表的类型，其值可以为CommonSparseTable和SSDSparseTable。默认为CommonSparseTable。 
     - **param_attr** (ParamAttr，可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_paddle_ParamAttr` 。此外，可以通过 ``param_attr`` 参数加载用户自定义或预训练的词向量。只需将本地词向量转为numpy数据格式，且保证本地词向量的shape和embedding的 ``size`` 参数一致，然后使用 :ref:`cn_api_paddle_to_tensor` 进行初始化，即可实现加载自定义或预训练的词向量。
     - **dtype** (str) - 输出Tensor的数据类型，数据类型必须为：float32 或float64，默认为float32。

docs/guides/06_distributed_training/cluster_quick_start_ps_cn.rst

@@ -59,6 +59,7 @@
     fleet.init(is_collective=False)
 
 2.2.3 加载模型
+""""""""""""
 
 .. code-block:: python
 
@@ -71,6 +72,7 @@
 """"""""""""
 
 由于搜索推荐场景涉及到的训练数据通常较大，为提升训练中的数据读取效率，参数服务器采用InMemoryDataset/QueueDataset进行高性能的IO。
+
 InMemoryDataset/QueueDataset所对应的数据处理脚本参考examples/wide_and_deep_dataset中的reader.py，与单机DataLoader相比，存在如下区别：
     1. 继承自 ``fleet.MultiSlotDataGenerator`` 基类。
     2. 实现基类中的 ``generate_sample()`` 函数，逐行读取数据进行处理，并返回一个可以迭代的reader方法。