modify apiformat

docs/api/api_python/mindspore/mindspore.CSRTensor.rst

@@ -3,8 +3,8 @@ mindspore.CSRTensor
 
 .. py:class:: mindspore.CSRTensor(indptr=None, indices=None, values=None, shape=None)
 
-    用来表示某一张量在给定索引上非零元素的集合，其中行索引由`indptr`表示，列索引由`indices`
-    表示，非零值由`values`表示。
+    用来表示某一张量在给定索引上非零元素的集合，其中行索引由 `indptr` 表示，列索引由 `indices` 
+    表示，非零值由 `values` 表示。
 
     .. note::
         - 这是一个实验特性，在未来可能会发生API的变化。

docs/api/api_python/mindspore/mindspore.Parameter.rst

@@ -13,7 +13,7 @@
     **参数：**
 
     - **default_input** (Union[Tensor, int, float, numpy.ndarray, list]) - 初始化参数的输入值。
-    - **name** (str) - 参数的名称。默认值：None。如果一个网络中存在两个及以上相同名称的`Parameter`对象，在定义时将提示设置一个特有的名称。
+    - **name** (str) - 参数的名称。默认值：None。如果一个网络中存在两个及以上相同名称的 `Parameter` 对象，在定义时将提示设置一个特有的名称。
     - **requires_grad** (bool) - 是否需要微分求梯度。默认值：True。
     - **layerwise_parallel** (bool) - 在数据/混合并行模式下，`layerwise_parallel` 配置为True时，参数广播和梯度聚合时会过滤掉该参数。默认值：False。
     - **parallel_optimizer** (bool) - 用于在 `semi_auto_parallel` 或 `auto_parallel` 并行模式下区分参数是否进行优化器切分。仅在 `mindspore.context.set_auto_parallel_context()` 并行配置模块中设置 `enable_parallel_optimizer` 启用优化器并行时有效。默认值：True。

docs/api/api_python/nn/mindspore.nn.ResizeBilinear.rst

@@ -1,13 +1,13 @@
 mindspore.nn.ResizeBilinear
 ============================
 
-.. py:class:: mindspore.nn.ResizeBilinear
+.. py:class:: mindspore.nn.ResizeBilinear(half_pixel_centers=False)
 
     使用双线性插值调整输入Tensor为指定的大小。
 
     **参数：**
 
-    - **half_pixel_centers** (bool) - 是否几何中心对齐。如果设置为True, 那么`scale_factor`应该设置为False。默认值：False。
+    - **half_pixel_centers** (bool) - 是否几何中心对齐。如果设置为True, 那么 `scale_factor` 应该设置为False。默认值：False。
 
     **输入：**
 

docs/api/api_python/ops/mindspore.ops.ScatterAdd.rst

@@ -27,7 +27,7 @@ mindspore.ops.ScatterAdd
 
     **输出：**
 
-    Tensor，更新后的 `input_x` ，shape和数据类型与`input_x`相同。
+    Tensor，更新后的 `input_x` ，shape和数据类型与 `input_x` 相同。
 
     **异常：**
 

docs/api/api_python/ops/mindspore.ops.ScatterNd.rst

@@ -11,7 +11,7 @@ mindspore.ops.ScatterNd
 
     `indices` 的shape为 :math:`(i_0, i_1, ..., i_{Q-2}, N)` ， `N <= P` 。
 
-    `indices` 的最后一个维度（长度为`N`）表示沿着空Tensor的 `N` 个维度进行切片。
+    `indices` 的最后一个维度（长度为 `N` ）表示沿着空Tensor的 `N` 个维度进行切片。
 
     `updates` 表示秩为 `Q-1+P-N` 的Tensor，shape为 :math:`(i_0, i_1, ..., i_{Q-2}, shape_N, ..., shape_{P-1})` 。
 

docs/api/api_python/ops/mindspore.ops.ScatterNdUpdate.rst

@@ -5,7 +5,7 @@ mindspore.ops.ScatterNdUpdate
 
     使用给定值以及输入索引更新输入数据的值。
 
-    `input_x` 的rank为P，而`indices` 的rank为Q， `Q >= 2` 。
+    `input_x` 的rank为P，而 `indices` 的rank为Q， `Q >= 2` 。
 
     `indices` 的shape为 :math:`(i_0, i_1, ..., i_{Q-2}, N)` ， `N <= P` 。
 

docs/api/api_python/ops/mindspore.ops.ScatterNonAliasingAdd.rst

@@ -7,7 +7,7 @@
 
     输入的 `input_x` 和 `updates` 遵循隐式类型转换规则，以确保数据类型一致。如果它们具有不同的数据类型，则低精度数据类型将转换为高精度数据类型。当需要转换Parameter的数据类型时，则会抛出RuntimeError异常。
 
-   ** 输入：**
+    **输入：**
 
     - **input_x** (Parameter) -  ScatterNonAliasingAdd的输入，任意维度的Parameter。其数据类型为float16、float32或int32。
     - **indices** (Tensor) - 指定加法操作的索引。其数据类型为mindspore.int32。

docs/api/api_python/ops/mindspore.ops.SigmoidCrossEntropyWithLogits.rst

@@ -9,7 +9,7 @@
 
     将输入 `logits` 设置为 :math:`X` ，输入 `label` 为 :math:`Y` ，输出为 :math:`loss` 。然后，
 
-     .. math::
+    .. math::
         \begin{array}{ll} \\
             p_{ij} = sigmoid(X_{ij}) = \frac{1}{1 + e^{-X_{ij}}} \\
             loss_{ij} = -[Y_{ij} * ln(p_{ij}) + (1 - Y_{ij})ln(1 - p_{ij})]

docs/api/api_python/ops/mindspore.ops.sequence_mask.rst

@@ -1,13 +1,13 @@
 mindspore.ops.sequence_mask
 ============================
 
-.. py:function:: mindspore.ops.sequence_mask(lengths, maxlen=None, prim_name='sequence_mask')
+.. py:function:: mindspore.ops.sequence_mask(lengths, maxlen=None)
 
     返回一个表示每个单元的前N个位置的掩码Tensor。内部元素数据类型为bool。
 
     如果lengths的shape为 :math:`[d_1, d_2, ..., d_n]` ，则生成的Tensor掩码拥有数据类型，其shape为 :math:`[d_1, d_2, ..., d_n, maxlen]` ，且mask :math:`[i_1, i_2, ..., i_n, j] = (j < lengths[i_1, i_2, ..., i_n])` 。
 
-    **输入：**
+    **参数：**
 
     - **lengths** (Tensor) - 用来计算掩码的Tensor，一般代表长度。此Tensor中的所有值都应小于或等于 `maxlen` 。大于 `maxlen` 的值将被视为 `maxlen` 。其数据类型为int32或int64。
     - **maxlen** (int) - 指定返回Tensor的长度。其值为正数，且与 `lengths` 中的元素数据类型相同。默认为None。