Move op note into dev_guides (#4738)

* move op note into dev_guides

* change doc title

* change title and add tree

Author: chenwhql

docs/dev_guides/api_contributing_guides/api_contributing_guides_cn.rst

@@ -107,5 +107,6 @@ API设计文档的目的是为了社区开发者更容易的参与开源项目
     api_design_guidelines_standard_cn.md
     new_python_api_cn.md
     new_cpp_op_cn.md
+    new_cpp_op_notes_cn.md
     api_docs_guidelines_cn.md
     api_accpetance_criteria_cn.md

docs/dev_guides/api_contributing_guides/new_cpp_op_cn.md

@@ -1,4 +1,4 @@
-# C++ OP 开发（新增原生算子）
+# C++ OP 开发
 
 > 注：飞桨原生算子的开发范式正在进行重构与升级，升级后算子开发方式会大幅简化，我们会及时更新本文档内容，升级后的算子开发范式预计会在2.3版本正式上线。
 
@@ -590,28 +590,28 @@ void TraceKernel(const Context& dev_ctx,
 仍然以trace op为例，首先在`paddle/phi/ops/compat`目录下新建`trace_sig.cc`文件，用于放置这里的映射函数。
 
 - 由于函数式kernel的一个最重要的特别就是参数顺序和类型（顺序和类型是关键，变量名称不影响），我们需要定义一个函数来做一个从OpMaker中如何获取信息，并且按照顺序传递给新的kernel函数； 这个模块就是OpArgumentMapping， trace反向op的OpArgumentMapping定义如下， KernelSignature共包含4个内容
-	1. kernel名称，这个是我们给kernel注册的时候的名称
-	2. input list： 这个要和OpMaker（或者GradOpMaker）中定义的Key要完全一致
-	3. attribute list： 这个要和OpMaker（或者GradOpMaker）中定义的Key要完全一致
-	4. output list： 这个要和OpMaker（或者GradOpMaker）中定义的Key要完全一致
+    1. kernel名称，这个是我们给kernel注册的时候的名称
+    2. input list： 这个要和OpMaker（或者GradOpMaker）中定义的Key要完全一致
+    3. attribute list： 这个要和OpMaker（或者GradOpMaker）中定义的Key要完全一致
+    4. output list： 这个要和OpMaker（或者GradOpMaker）中定义的Key要完全一致
 
 
-	```cpp
-	#include "paddle/phi/core/compat/op_utils.h"
+    ```cpp
+    #include "paddle/phi/core/compat/op_utils.h"
 
-	namespace phi {
+    namespace phi {
 
-	KernelSignature TraceGradOpArgumentMapping(const ArgumentMappingContext& ctx) {
-	  return KernelSignature("trace_grad",
-	                         {GradVarName("Out"), "Input"},
-	                         {"offset", "axis1", "axis2"},
-	                         {GradVarName("Input")});
-	}
+    KernelSignature TraceGradOpArgumentMapping(const ArgumentMappingContext& ctx) {
+      return KernelSignature("trace_grad",
+                             {GradVarName("Out"), "Input"},
+                             {"offset", "axis1", "axis2"},
+                             {GradVarName("Input")});
+    }
 
-	}  // namespace phi
+    }  // namespace phi
 
-	PD_REGISTER_ARG_MAPPING_FN(trace_grad, phi::TraceGradOpArgumentMapping);
-	```
+    PD_REGISTER_ARG_MAPPING_FN(trace_grad, phi::TraceGradOpArgumentMapping);
+    ```
 
 >注：没有input list或attribute list的，相应花括号内留空，不能省略花括号
 

docs/guides/07_new_op/new_op_en.md renamed to docs/dev_guides/api_contributing_guides/new_cpp_op_en.md

@@ -1,4 +1,4 @@
-# 原生算子开发注意事项
+# C++ OP 开发注意事项
 
 ## Paddle中Op的构建逻辑
 ### 1.Paddle中Op的构建逻辑

docs/guides/07_new_op/op_notes_cn.md renamed to docs/dev_guides/api_contributing_guides/new_cpp_op_notes_cn.md

@@ -2,15 +2,12 @@
 自定义算子
 #############
 
-本部分将指导您如何在飞桨中新增算子（Operator，简称Op），也包括一些必要的注意事项。此处的算子是一个广义的概念，包括以下几类：
+本部分将指导您如何使用飞桨的自定义算子（Operator，简称Op）机制，包括以下两类：
 
-1. 原生算子：遵循飞桨框架内部算子开发规范，源码合入到飞桨框架中，与框架一起编译后使用的算子
-2. 外部算子：编写方法较为简洁，不涉及框架内部概念，无需重新编译飞桨框架，以外接模块的方式使用的算子
-3. Python算子：使用Python编写实现前向（forward）和反向（backward）方法，在模型组网中使用的自定义API
+1. C++算子：编写方法较为简洁，不涉及框架内部概念，无需重新编译飞桨框架，以外接模块的方式使用的算子
+2. Python算子：使用Python编写实现前向（forward）和反向（backward）方法，在模型组网中使用的自定义API
 
-- `原生算子开发注意事项 <./op_notes_cn.html>`_
-
-- `自定义外部算子 <./new_custom_op_cn.html>`_
+- `自定义C++算子 <./new_custom_op_cn.html>`_
 
 - `自定义Python算子 <./new_python_op_cn.html>`_
 

docs/guides/07_new_op/op_notes_en.md renamed to docs/dev_guides/api_contributing_guides/new_cpp_op_notes_en.md

@@ -2,11 +2,14 @@
 Write New Operators
 ###################
 
-This section will guide you how to add an operator, and it also includes some necessary notes.
+This section will guide you on how to use the custom operator mechanism of Paddle, including the following two categories:
 
-- `How to write new operator <new_op_en.html>`_ ：guides to write new operators
+1. C++ operator: The writing method is relatively simple, does not involve the internal concept of the framework, does not need to recompile the paddle framework, and is used as an external module.
+2. Python operator: use Python to implement forward and backward methods, then used in network.
 
-- `op notes <op_notes_en.html>`_ ：notes on developing new operators
+- `Custom C++ Operator <./new_custom_op_cn.html>`_
+
+- `Custom Python Operator <./new_python_op_cn.html>`_
 
 - `Kernel Primitives API <./kernel_primitive_api/index_en.html>`_ : Introduce the block-level CUDA functions provided by PaddlePaddle to speed up operator development.
 

docs/guides/07_new_op/op_inheritance_relation_diagram.png renamed to docs/dev_guides/api_contributing_guides/op_inheritance_relation_diagram.png

@@ -1,4 +1,4 @@
-# 自定义外部算子
+# 自定义C++算子
 
 ## 概述