[PaddlePaddle Hackathon] add WideResNet zh-cn docs

docs/api/paddle/vision/Overview_cn.rst

@@ -49,6 +49,8 @@ paddle.vision 目录是飞桨在视觉领域的高层API。具体如下：
     " :ref:`resnet50 <cn_api_paddle_vision_models_resnet50>` ", "50层的ResNet模型"
     " :ref:`resnet101 <cn_api_paddle_vision_models_resnet101>` ", "101层的ResNet模型"
     " :ref:`resnet152 <cn_api_paddle_vision_models_resnet152>` ", "152层的ResNet模型"
+    " :ref:`wide_resnet50_2 <_cn_api_paddle_vision_models_wide_resnet50_2>` ", "50层的WideResNet模型"
+    " :ref:`wide_resnet101_2 <_cn_api_paddle_vision_models_wide_resnet101_2>` ", "101层的WideResNet模型"
     " :ref:`ResNeXt <cn_api_paddle_vision_models_ResNeXt>` ", "ResNeXt模型"
     " :ref:`resnext50_32x4d <cn_api_paddle_vision_models_resnext50_32x4d>` ", "ResNeXt-50 32x4d模型"
     " :ref:`resnext50_64x4d <cn_api_paddle_vision_models_resnext50_64x4d>` ", "ResNeXt-50 64x4d模型"

docs/api/paddle/vision/models/ResNet_cn.rst

@@ -3,14 +3,15 @@
 ResNet
 -------------------------------
 
-.. py:class:: paddle.vision.models.ResNet(Block, depth=50, num_classes=1000, with_pool=True)
+.. py:class:: paddle.vision.models.ResNet(Block, depth=50, width=64, num_classes=1000, with_pool=True)
 
  ResNet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
   - **Block** (BasicBlock|BottleneckBlock) - 模型的残差模块。
-  - **depth** (int，可选) - resnet模型的深度。默认值：50
+  - **depth** (int，可选) - resnet模型的深度。默认值：50。
+  - **width** (int，可选) - resnet模型的基础宽度。默认值：64。
   - **num_classes** (int, 可选) - 最后一个全连接层输出的维度。如果该值小于0，则不定义最后一个全连接层。默认值：1000。
   - **with_pool** (bool，可选) - 是否定义最后一个全连接层之前的池化层。默认值：True。
 
@@ -28,6 +29,8 @@ ResNet模型，Layer的实例。
 
     resnet50 = ResNet(BottleneckBlock, 50)
 
+    wide_resnet50_2 = ResNet(BottleneckBlock, 50, width=64*2)
+
     resnet18 = ResNet(BasicBlock, 18)
 
     x = paddle.rand([1, 3, 224, 224])

docs/api/paddle/vision/models/wide_resnet101_2_cn.rst

@@ -0,0 +1,34 @@
+.. _cn_api_paddle_vision_models_wide_resnet101_2:
+
+wide_resnet101_2
+-------------------------------
+
+.. py:function:: paddle.vision.models.wide_resnet101_2(pretrained=False, **kwargs)
+
+ 101层的wide_resnet模型，来自论文 `"Wide Residual Networks" <https://arxiv.org/pdf/1605.07146.pdf>`_ 。
+
+参数
+:::::::::
+  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+返回
+:::::::::
+wide_resnet101_2模型，Layer的实例。
+
+代码示例
+:::::::::
+.. code-block:: python
+
+    import paddle
+    from paddle.vision.models import wide_resnet101_2
+
+    # build model
+    model = wide_resnet101_2()
+
+    # build model and load imagenet pretrained weight
+    # model = wide_resnet101_2(pretrained=True)
+
+    x = paddle.rand([1, 3, 224, 224])
+    out = model(x)
+
+    print(out.shape)

docs/api/paddle/vision/models/wide_resnet50_2_cn.rst

@@ -0,0 +1,34 @@
+.. _cn_api_paddle_vision_models_wide_resnet50_2:
+
+wide_resnet50_2
+-------------------------------
+
+.. py:function:: paddle.vision.models.wide_resnet50_2(pretrained=False, **kwargs)
+
+ 50层的wide_resnet模型，来自论文 `"Wide Residual Networks" <https://arxiv.org/pdf/1605.07146.pdf>`_ 。
+
+参数
+:::::::::
+  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+返回
+:::::::::
+wide_resnet50_2模型，Layer的实例。
+
+代码示例
+:::::::::
+.. code-block:: python
+
+    import paddle
+    from paddle.vision.models import wide_resnet50_2
+
+    # build model
+    model = wide_resnet50_2()
+
+    # build model and load imagenet pretrained weight
+    # model = wide_resnet50_2(pretrained=True)
+
+    x = paddle.rand([1, 3, 224, 224])
+    out = model(x)
+
+    print(out.shape)