modify doc

docs/api/api_python/mindspore.nn.rst

@@ -5,7 +5,7 @@ mindspore.nn
 
 用于构建神经网络中的预定义构建块或计算单元。
 
-MindSpore中 `mindspore.nn` 算子与上一版本相比，新增、删除和支持平台的变化信息请参考 `API Updates <https://gitee.com/mindspore/docs/blob/master/resource/api_updates/ops_api_updates.md>`_。
+MindSpore中 `mindspore.nn` 接口与上一版本相比，新增、删除和支持平台的变化信息请参考 `API Updates <https://gitee.com/mindspore/docs/blob/master/resource/api_updates/ops_api_updates.md>`_。
 
 Cell
 ----

docs/api/api_python/mindspore.ops.rst

@@ -1,13 +1,13 @@
 mindspore.ops
 =============
 
-算子可用于Cell的构造函数。
+可用于Cell的构造函数的算子。
 
 .. code-block::
 
     import mindspore.ops as ops
 
-MindSpore中 `mindspore.ops` 算子与上一版本相比，新增、删除和支持平台的变化信息请参考 `API Updates <https://gitee.com/mindspore/docs/blob/master/resource/api_updates/ops_api_updates.md>`_。
+MindSpore中 `mindspore.ops` 接口与上一版本相比，新增、删除和支持平台的变化信息请参考 `API Updates <https://gitee.com/mindspore/docs/blob/master/resource/api_updates/ops_api_updates.md>`_。
 
 operations
 ----------

docs/api/api_python/mindspore/mindspore.Model.rst

@@ -21,7 +21,7 @@
       - auto: 为不同处理器设置专家推荐的混合精度等级，如在GPU上设为"O2"，在Ascend上设为"O3"。该设置方式可能在部分场景下不适用，建议用户根据具体的网络模型自定义设置 `amp_level` 。
 
       在GPU上建议使用"O2"，在Ascend上建议使用"O3"。
-      通过 `kwargs` 设置 `keep_batchnorm_fp32` ，可修改BatchNorm的精度策略， `keep_batchnorm_fp32` 必须为bool类型；通过 `kwargs` 设置 `loss_scale_manager` 可修改损失缩放策略，`loss_scale_manager` 必须为:class:`mindspore.LossScaleManager` 的子类，
+      通过 `kwargs` 设置 `keep_batchnorm_fp32` ，可修改BatchNorm的精度策略， `keep_batchnorm_fp32` 必须为bool类型；通过 `kwargs` 设置 `loss_scale_manager` 可修改损失缩放策略，`loss_scale_manager` 必须为 :class:`mindspore.LossScaleManager` 的子类，
       关于 `amp_level` 详见 `mindpore.build_train_network` 。
 
     - **boost_level** (str) – `mindspore.boost` 的可选参数, 为boost模式训练等级。支持[“O0”, “O1”, “O2”]. 默认值: “O0”.

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

@@ -3,7 +3,7 @@ mindspore.nn.WarmUpLR
 
 .. py:class:: mindspore.nn.WarmUpLR(learning_rate, warmup_steps)
 
-    学习率热身。
+    预热学习率。
 
     对于当前step，计算学习率的公式为：