[Model Compression] V2 doc translation (#4328)

docs/zh_CN/Compression/v2_pruning.rst

+#################
+剪枝（V2版本）
+#################
+
+剪枝（V2版本）是对旧版本的重构，提供了更强大的功能。
+与旧版本相比，迭代剪枝过程与剪枝器（pruner）分离，剪枝器只负责剪枝且生成掩码一次。
+更重要的是，V2版本统一了剪枝过程，并提供了更自由的剪枝组件组合。
+任务生成器（task generator）只关心在每一轮中应该达到的修剪效果，并使用配置列表（config list）来表示下一步如何修剪。
+剪枝器将使用任务生成器提供的模型和配置列表重置，然后在当前步骤中生成掩码。
+
+有关更清晰的架构，请参考下图。
+
+.. image:: ../../img/pruning_process.png
+   :target: ../../img/pruning_process.png
+   :alt:
+
+在V2版本中，修剪过程通常由剪枝调度器（pruning scheduler）驱动，它包含一个特定的剪枝器和一个任务生成器。
+但是用户也可以像V1版本中那样直接使用剪枝器。
+
+有关详细信息，请参阅以下教程：
+
+..  toctree::
+    :maxdepth: 1
+
+    剪枝算法 <../en_US/Compression/v2_pruning_algo>
+    剪枝调度器接口 <../en_US/Compression/v2_scheduler>

docs/zh_CN/model_compression.rst

@@ -12,10 +12,10 @@
 
 NNI 提供了易于使用的工具包来帮助用户设计并使用剪枝和量化算法。
 其使用了统一的接口来支持 TensorFlow 和 PyTorch。
-只需要添加几行代码即可压缩模型。
-NNI 中也内置了一些流程的模型压缩算法。
+对用户来说， 只需要添加几行代码即可压缩模型。
+NNI 中也内置了一些主流的模型压缩算法。
 用户可以进一步利用 NNI 的自动调优功能找到最佳的压缩模型，
-自动模型压缩部分有详细介绍。
+该功能在自动模型压缩部分有详细介绍。
 另一方面，用户可以使用 NNI 的接口自定义新的压缩算法。
 
 详细信息，参考以下教程：
@@ -26,6 +26,7 @@ NNI 中也内置了一些流程的模型压缩算法。
     概述 <Compression/Overview>
     快速入门 <Compression/QuickStart>
     剪枝 <Compression/pruning>
+    剪枝（V2版本） <Compression/v2_pruning>
     量化 <Compression/quantization>
     工具 <Compression/CompressionUtils>
     高级用法 <Compression/advanced>

nni/algorithms/compression/v2/pytorch/pruning/basic_pruner.py

@@ -347,8 +347,7 @@ class SlimPruner(BasicPruner):
         Supported keys:
             - sparsity : This is to specify the sparsity for each layer in this config to be compressed.
             - sparsity_per_layer : Equals to sparsity.
-            - total_sparsity : This is to specify the total sparsity for all layers in this config,
-                each layer may have different sparsity.
+            - total_sparsity : This is to specify the total sparsity for all layers in this config, each layer may have different sparsity.
             - max_sparsity_per_layer : Always used with total_sparsity. Limit the max sparsity of each layer.
             - op_types : Only BatchNorm2d is supported in SlimPruner.
             - op_names : Operation names to prune.
@@ -562,8 +561,7 @@ class TaylorFOWeightPruner(BasicPruner):
         Supported keys:
             - sparsity : This is to specify the sparsity for each layer in this config to be compressed.
             - sparsity_per_layer : Equals to sparsity.
-            - total_sparsity : This is to specify the total sparsity for all layers in this config,
-                each layer may have different sparsity.
+            - total_sparsity : This is to specify the total sparsity for all layers in this config, each layer may have different sparsity.
             - max_sparsity_per_layer : Always used with total_sparsity. Limit the max sparsity of each layer.
             - op_types : Conv2d and Linear are supported in TaylorFOWeightPruner.
             - op_names : Operation names to prune.