modify apiformat

docs/api/api_python/mindspore.ops.rst

@@ -399,14 +399,3 @@ functional算子是经过初始化后的Primitive，可以直接作为函数使
     mindspore.ops.DataType
     mindspore.ops.op_info_register
     mindspore.ops.TBERegOp
-
-自定义算子
-----------------
-
-.. mscnautosummary::
-    :toctree: ops
-    :nosignatures:
-    :template: classtemplate.rst
-
-    mindspore.ops.Custom
-    mindspore.ops.ms_hybrid

docs/api/api_python/mindspore.train.rst

@@ -29,6 +29,10 @@ mindspore.train.callback
 
 .. include:: train/mindspore.train.callback.SummaryLandscape.rst
 
+.. include:: train/mindspore.train.callback.History.rst
+
+.. include:: train/mindspore.train.callback.LambdaCallback.rst
+
 .. automodule:: mindspore.train.callback
     :exclude-members: FederatedLearningManager
     :members:

docs/api/api_python/nn/mindspore.nn.Conv1d.rst

@@ -42,7 +42,7 @@ mindspore.nn.Conv1d
 
     **输出：**
     
-    Tensor，shape为:math:`(N, C_{out}, L_{out})`。
+    Tensor，shape为 :math:`(N, C_{out}, L_{out})` 。
 
     pad_mode为"same"时：
 

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

@@ -35,7 +35,7 @@ mindspore.nn.Perplexity
 
         **参数：**
 
-        - **inputs** - 输入 `preds` 和 `labels` 。 `preds` 和 `labels` 是Tensor、list或numpy.ndarray。 `preds` 是预测值， `labels` 是数据的标签。 `preds` 和 `labels` 的shape都是:math:`(N, C)`。
+        - **inputs** - 输入 `preds` 和 `labels` 。 `preds` 和 `labels` 是Tensor、list或numpy.ndarray。 `preds` 是预测值， `labels` 是数据的标签。 `preds` 和 `labels` 的shape都是 :math:`(N, C)` 。
 
         **异常：**
 

docs/api/api_python/operations.rst

@@ -410,6 +410,7 @@ distributed_training_ascend.html#id12>`_ 。
     :template: classtemplate.rst
 
     mindspore.ops.Custom
+    mindspore.ops.ms_hybrid
 
 其他算子
 ^^^^^^^^^^^^^^^

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

@@ -21,7 +21,7 @@
 
     **输入：**
 
-    - **input_x** (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 :math: `(x_1, x_2, ..., x_N)` 。数据类型为mindspore.float16或float32。
+    - **input_x** (Tensor) - 输入任意维度的Tensor。将输入Tensor的shape设为 :math:`(x_1, x_2, ..., x_N)` 。数据类型为mindspore.float16或float32。
 
     **输出：**
 

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

@@ -13,7 +13,7 @@ mindspore.ops.AvgPool
 
     .. warning::
         - 支持全局池化。
-        - 在Ascend上，"kernel_size"的高度和权重取值为[1, 255]范围内的正整数。 :math: ksize_H * ksize_W < 256。
+        - 在Ascend上，"kernel_size"的高度和权重取值为[1, 255]范围内的正整数。 :math:`ksize_H * ksize_W < 256` 。
         - 由于指令限制，"strides_h"和"strides_w"的取值为[1, 63]范围内的正整数。
 
     **参数：**

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

@@ -50,7 +50,7 @@ mindspore.ops.BatchNorm
     - **batch_variance** (Tensor) - 输入的方差，shape为 :math:`(C,)` 的一维Tensor。
     - **reserve_space_1** (Tensor) - 需要计算梯度时，被重新使用的均值，shape为 :math:`(C,)` 的一维Tensor。
     - **reserve_space_2** (Tensor) - 需要计算梯度时，被重新使用的方差，shape为 :math:`(C,)` 的一维Tensor。
-，
+
     **异常：**
 
     - **TypeError：** `is_training` 不是bool。

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

@@ -14,7 +14,7 @@
     **输入：**
 
     - **true_classes** (Tensor) - 目标类。数据类型为int32或int64，shape为 :math:`(batch\_size, num\_true)` 。
-    - **sampled_candidates** (Tensor) - 指定算子的候选采样结果，代表训练样本的类型。其数据类型为int32或int64，shape为 :math: `(num\_sampled, )` 。
+    - **sampled_candidates** (Tensor) - 指定算子的候选采样结果，代表训练样本的类型。其数据类型为int32或int64，shape为 :math:`(num\_sampled, )` 。
 
     **输出：**
 

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

@@ -3,7 +3,7 @@ mindspore.ops.Custom
 
 .. py:class:: mindspore.ops.Custom(exclusive=False, reverse=False)
 
-    `Custom`算子是MindSpore自定义算子的统一接口。用户可以利用该接口自行定义MindSpore内置算子库尚未包含的算子。
+    `Custom` 算子是MindSpore自定义算子的统一接口。用户可以利用该接口自行定义MindSpore内置算子库尚未包含的算子。
     根据输入函数的不用，你可以创建多个自定义算子，并且把它们用在神经网络中。
     关于自定义算子的详细说明和介绍，包括参数的正确书写，见编程指南 https://www.mindspore.cn/docs/programming_guide/zh-CN/master/custom_operator_custom.html 。
 
@@ -28,6 +28,6 @@ mindspore.ops.Custom
 
     **异常：**
 
-    - **TypeError** - 如果输入`func`不合法，或者`func`对应的注册信息类型不对。
-    - **ValueError** - `func_type`的值不在列表内。
+    - **TypeError** - 如果输入 `func` 不合法，或者 `func` 对应的注册信息类型不对。
+    - **ValueError** - `func_type` 的值不在列表内。
     - **ValueError** - 算子注册信息不合法，包括支持平台不匹配，算子输入和属性与函数不匹配。

docs/api/api_python/ops/mindspore.ops.Dropout2D.rst

@@ -3,7 +3,7 @@ mindspore.ops.Dropout2D
 
 .. py:class:: mindspore.ops.Dropout2D(keep_prob=0.5)
 
-    在训练期间，根据概率 :math:`1 - keep\_prob` ，随机的将一些通道设置为0，且服从伯努利分布。（对于shape为 :math:`(N, C, H, W)` 的四维Tensor，通道特征图指的是shape为 :math:`(H, W)`的二维特征图。）
+    在训练期间，根据概率 :math:`1 - keep\_prob` ，随机的将一些通道设置为0，且服从伯努利分布。（对于shape为 :math:`(N, C, H, W)` 的四维Tensor，通道特征图指的是shape为 :math:`(H, W)` 的二维特征图。）
 
     例如，对于批量输入的第 :math:`i_th` 样本的第:math:`j_th` 通道为二维Tensor，即input[i,j]。在前向传播过程中，输入样本的每个通道都有可能被置为0，置为0的概率为 :math:`1 - keep\_prob`，且服从伯努利分布。
     

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

@@ -9,8 +9,8 @@ mindspore.ops.EmbeddingLookup
     
     **输入：**
 
-    - **input_params** (Tensor) - shape为 :math: `(x_1, x_2, ..., x_R)` 的Tensor。是一个Tensor切片。当前，只支持二维。
-    - **input_indices** (Tensor) - shape为 :math: `(y_1, y_2, ..., y_S)` 的Tensor。指定输入Tensor元素的索引。当取值超出  `input_params` 的范围时，超出部分在输出时填充为0。不支持负值，如果为负值，则结果未定义。其数据类型为int32或int64。
+    - **input_params** (Tensor) - shape为 :math:`(x_1, x_2, ..., x_R)` 的Tensor。是一个Tensor切片。当前，只支持二维。
+    - **input_indices** (Tensor) - shape为 :math:`(y_1, y_2, ..., y_S)` 的Tensor。指定输入Tensor元素的索引。当取值超出  `input_params` 的范围时，超出部分在输出时填充为0。不支持负值，如果为负值，则结果未定义。其数据类型为int32或int64。
     - **offset** (int) - 指定此 `input_params` 切片的偏移值。因此，实际索引等于 `input_indices` 减去 `offset` 。
           
     **输出：**

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

@@ -7,11 +7,11 @@ mindspore.ops.Flatten
 
     **输入：**
 
-    - **input_x** (Tensor) - 待扁平化的Tensor，其shape为 :math:`(N, \ldots)`， :math: `N` 表示batch size。
+    - **input_x** (Tensor) - 待扁平化的Tensor，其shape为 :math:`(N, \ldots)`， :math:`N` 表示batch size。
 
     **输出：**
 
-    Tensor，输出shape为 :math:`(N,X)` 的Tensor，其中 :math:`X` 是余下维度的乘积。
+    Tensor，输出shape为 :math:`(N, X)` 的Tensor，其中 :math:`X` 是余下维度的乘积。
 
     **异常：**
 

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

@@ -10,7 +10,7 @@ mindspore.ops.ReverseSequence
     - **seq_dim** (int) - 指定反转的维度，此值为必填参数。
     - **batch_dim** (int) - 指定切片维度。默认值：0。
 
-   ** 输入：**
+    **输入：**
 
     - **x** (Tensor) - 输入需反转的数据，其数据类型支持包括bool在内的所有Number类型。
     - **seq_lengths** (Tensor) - 指定反转长度，为一维向量，其数据类型为int32或int64。

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

@@ -33,4 +33,4 @@ mindspore.ops.ScatterAdd
 
     - **TypeError** - `use_locking` 不是bool。
     - **TypeError** - `indices` 不是int32。
-    - **ValueError ** - `updates` 的shape不等于 `indices_shape + x_shape[1:]` 。
+    - **ValueError** - `updates` 的shape不等于 `indices_shape + x_shape[1:]` 。

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

@@ -26,7 +26,7 @@ mindspore.ops.ScatterMax
 
     **输出：**
 
-    Tensor，更新后的 `input_x `，shape和类型与 `input_x` 相同。
+    Tensor，更新后的 `input_x`，shape和类型与 `input_x` 相同。
 
     异常：
 

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

@@ -1,5 +1,5 @@
-
 mindspore.ops.ScatterMul
+=========================
 
 .. py:class:: mindspore.ops.ScatterMul(use_locking=False)
 
@@ -21,7 +21,6 @@ mindspore.ops.ScatterMul
     - **input_x** (Parameter) - ScatterMul的输入，任意维度的Parameter。
     - **indices** (Tensor) - 指定相乘操作的索引，数据类型必须为mindspore.int32。
     - **updates** (Tensor) - 指定与 `input_x` 相乘的Tensor，数据类型与 `input_x` 相同，shape为 `indices_shape + x_shape[1:]` 。
-          
 
     **输出：**
 

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

@@ -17,7 +17,7 @@ mindspore.ops.ScatterNd
 
     在秩为3的第一个维度中插入两个新值矩阵的计算过程如下图所示：
 
-    .. image:: api_img/ScatterNd.png
+    .. image:: ScatterNd.png
 
     **输入：**
 

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

@@ -24,4 +24,4 @@
     **异常：**
 
     - **TypeError** - `input_x` 中元素的数据类型不相同。
-    - **ValueError** - `input_x` 的长度不大于1，或axis不在[-(R+1),R+1)范围中，或 input_x` 中元素的shape不相同。
+    - **ValueError** - `input_x` 的长度不大于1，或axis不在[-(R+1),R+1)范围中，或 `input_x` 中元素的shape不相同。

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

@@ -5,8 +5,8 @@ mindspore.ops.ms_hybrid
 
     用于MindSpore Hybrid DSL函数书写的装饰器。
     给用MindSpore Hybrid DSL书写的函数加上此装饰器后，它可以用作一个普通的Python函数。
-    与此同时，他可以用于自定义算子:class:`mindspore.ops.Custom`的输入，其对应的`func_type`可以设置为`hybrid`或者`pyfunc`。
-    使用`hybrid`类型的:class:`mindspore.ops.Custom`自定义算子可以自动推导数据类型和形状。
+    与此同时，他可以用于自定义算子 :class:`mindspore.ops.Custom` 的输入，其对应的 `func_type` 可以设置为 `hybrid` 或者 `pyfunc` 。
+    使用 `hybrid` 类型的 :class:`mindspore.ops.Custom` 自定义算子可以自动推导数据类型和形状。
 
     **参数：**
 
@@ -16,4 +16,4 @@ mindspore.ops.ms_hybrid
 
     **输出：**
 
-    Function，如果`fn`不是None，那么返回一个用Hybrid DSL写的可执行函数；如果`fn`是None，则返回一个装饰器，该装饰器只有`fn`一个参数。
+    Function，如果 `fn` 不是None，那么返回一个用Hybrid DSL写的可执行函数；如果 `fn` 是None，则返回一个装饰器，该装饰器只有 `fn` 一个参数。

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

@@ -5,7 +5,7 @@
 
     在任意轴上对Tensor `a` 和 `b` 进行点乘操作。
 
-    点乘操作可以在指定轴上计算 `a` 和`b` 元素的乘积和。轴数量必须由x1和x2指定，并且该值必须在 `a` 和 `b` 的维度数量的范围内。
+    点乘操作可以在指定轴上计算 `a` 和 `b` 元素的乘积和。轴数量必须由x1和x2指定，并且该值必须在 `a` 和 `b` 的维度数量的范围内。
 
     在两个输入中的选定维度且相互匹配。
 

mindspore/python/mindspore/ops/operations/array_ops.py

@@ -1854,8 +1854,8 @@ class ArgMaxWithValue(PrimitiveWithInfer):
         tensor.
 
         - index (Tensor) - The index for the maximum value of the input tensor. If `keep_dims` is true, the shape of
-        output tensors is :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)`. Otherwise, the shape is
-        :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)`.
+          output tensors is :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)`. Otherwise, the shape is
+          :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)` .
         - output_x (Tensor) - The maximum value of input tensor, with the same shape as index.
 
     Raises:
@@ -1916,15 +1916,15 @@ class ArgMinWithValue(PrimitiveWithInfer):
 
     Inputs:
         - **input_x** (Tensor) - The input tensor, can be any dimension. Set the shape of input tensor as
-          :math:`(x_1, x_2, ..., x_N)`.
+          :math:`(x_1, x_2, ..., x_N)` .
 
     Outputs:
         tuple (Tensor), tuple of 2 tensors, containing the corresponding index and the minimum value of the input
         tensor.
 
         - index (Tensor) - The index for the minimum value of the input tensor. If `keep_dims` is true, the shape of
-        output tensors is :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)`. Otherwise, the shape is
-        :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)`.
+          output tensors is :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)`. Otherwise, the shape is
+          :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)` .
         - output_x (Tensor) - The minimum value of input tensor, with the same shape as index.
 
     Raises:
@@ -1977,7 +1977,7 @@ class Tile(PrimitiveWithInfer):
 
     Inputs:
         - **input_x** (Tensor) - 1-D or higher dimensional Tensor. Set the shape of input tensor as
-          :math:`(x_1, x_2, ..., x_S)`.
+          :math:`(x_1, x_2, ..., x_S)` .
 
         - **multiples** (tuple[int]) - The parameter that specifies the number of replications,
           the parameter type is tuple, and the data type is int, i.e., :math:`(y_1, y_2, ..., y_S)`.