fix metricbase (PaddlePaddle#1316)

doc/fluid/api_cn/metrics_cn/MetricBase_cn.rst

@@ -5,43 +5,60 @@ MetricBase
 
 .. py:class:: paddle.fluid.metrics.MetricBase(name)
 
-所有Metrics的基类。MetricBase为模型估计方法定义一组接口。Metrics累积连续的两个minibatch之间的度量状态，对每个minibatch用最新接口将当前minibatch值添加到全局状态。用eval函数来计算last reset()或者scratch on()中累积的度量值。如果需要定制一个新的metric，请继承自MetricBase和自定义实现类。
+在评估神经网络效果的时候，由于我们常常需要把测试数据切分成mini-batch，并逐次将每个mini-batch送入神经网络进行预测和评估，因此我们每次只能获得当前batch下的评估结果，而并不能一次性获得整个测试集的评估结果。paddle.fluid.metrics正是为了解决这些问题而设计的，大部分paddle.fluid.metrics下的类都具有如下功能：
 
-参数：
-    - **name** (str) - metric实例名。例如准确率（accuracy）。如果想区分一个模型里不同的metrics，则需要实例名。
+1. 接受模型对一个batch的预测结果（numpy.array）和这个batch的原始标签（numpy.array）作为输入，并进行特定的计算（如计算准确率，召回率等）。
 
-.. py:method:: reset()
+2. 将当前batch评估结果和历史评估结果累计起来，以获取目前处理过的所有batch的整体评估结果。
 
-        reset()清除度量（metric）的状态（state）。默认情况下，状态（state）包含没有 ``_`` 前缀的metric。reset将这些状态设置为初始状态。如果不想使用隐式命名规则，请自定义reset接口。
+MetricBase是所有paddle.fluid.metrics下定义的所有python类的基类，它定义了一组接口，并需要所有继承他的类实现具体的计算逻辑，包括：
 
-.. py:method:: get_config()
+1. update(preds, labels)：给定当前计算当前batch的预测结果（preds）和标签（labels），计算这个batch的评估结果。 
+
+2. eval()：合并当前累积的每个batch的评估结果，并返回整体评估结果。
+
+3. reset()：清空累积的每个batch的评估结果。
+
+.. py:method:: __init__(name)
+
+构造函数，参数name表示当前创建的评估器的名字。
+
+参数：
+    - **name** (str) - 当前创建的评估器的名字，用于区分不同的评估器，例如准确率（accuracy）或者其他自定义名字（如，my_evaluator）。
+
+返回：一个python对象，表示一个具体的评估器。
 
-获取度量（metric)状态和当前状态。状态（state）包含没有 ``_`` 前缀的成员。
-        
-返回：metric对应到state的字典
+返回类型：python对象
+
+.. py:method:: reset()
 
-返回类型：字典（dict）
+空累积的每个batch的评估结果。
 
+返回：无
 
 .. py:method:: update(preds,labels)
 
-更新每个minibatch的度量状态（metric states），用户可通过Python或者C++操作符计算minibatch度量值（metric）。
+给定当前计算当前batch的预测结果（preds）和标签（labels），计算这个batch的评估结果，并将这个评估结果在评估器内部记录下来，注意update函数并不会返回评估结果。
 
 参数：
-     - **preds** (numpy.array) - 当前minibatch的预测
-     - **labels** (numpy.array) - 当前minibatch的标签，如果标签为one-hot或者soft-label，应该自定义相应的更新规则。
+     - **preds** (numpy.array) - 当前minibatch的预测结果。
+     - **labels** (numpy.array) - 当前minibatch的标签。
+
+返回：无
 
 .. py:method:: eval()
 
-基于累积状态（accumulated states）评估当前度量（current metric）。
+合并当前累积的每个batch的评估结果，并返回整体评估结果。
 
-返回：metrics（Python中）
+返回：当前累积batch的整体评估结果。
 
 返回类型：float|list(float)|numpy.array
 
+.. py:method:: get_config()
 
+获取当前评估器的状态，特指评估器内部没有 ``_`` 前缀的所有成员变量。
 
+返回：一个python字典，包含了当前评估器内部的状态。
 
-
-
+返回类型：python字典（dict）