diff --git a/docs/api/api_python/nn/mindspore.nn.AdaMax.rst b/docs/api/api_python/nn/mindspore.nn.AdaMax.rst
index 885f1be97ef..9533ed075df 100644
--- a/docs/api/api_python/nn/mindspore.nn.AdaMax.rst
+++ b/docs/api/api_python/nn/mindspore.nn.AdaMax.rst
@@ -5,6 +5,7 @@
     AdaMax算法详情请参阅论文 `Adam: A Method for Stochastic Optimization <https://arxiv.org/abs/1412.6980>`_。
 
     公式如下：
+    
     .. math::
         \begin{array}{ll} \\
             m_{t+1} = \beta_1 * m_{t} + (1 - \beta_1) * g \\
diff --git a/docs/api/api_python/nn/mindspore.nn.Threshold.rst b/docs/api/api_python/nn/mindspore.nn.Threshold.rst
index a04ccbee1c4..2fe645033e3 100644
--- a/docs/api/api_python/nn/mindspore.nn.Threshold.rst
+++ b/docs/api/api_python/nn/mindspore.nn.Threshold.rst
@@ -16,8 +16,8 @@ mindspore.nn.Threshold
 
     **参数：**
 
-    **threshold** (`Union[int, float]`) – Threshold的阈值。
-    **value** (`Union[int, float]`) – 输入Tensor中element小于阈值时的填充值。
+    - **threshold** (`Union[int, float]`) – Threshold的阈值。
+    - **value** (`Union[int, float]`) – 输入Tensor中element小于阈值时的填充值。
 
     **输入：**
 
diff --git a/docs/api/api_python/ops/mindspore.ops.ApplyMomentum.rst b/docs/api/api_python/ops/mindspore.ops.ApplyMomentum.rst
index 0c921a9431b..843e14ca897 100644
--- a/docs/api/api_python/ops/mindspore.ops.ApplyMomentum.rst
+++ b/docs/api/api_python/ops/mindspore.ops.ApplyMomentum.rst
@@ -5,7 +5,7 @@
 
     使用动量算法的优化器。
 
-    更多详细信息，请参阅论文 `关于深度学习中初始化和动量的重要性<https://dl.acm.org/doi/10.5555/3042817.3043064>`_ 。
+    更多详细信息，请参阅论文 `关于深度学习中初始化和动量的重要性 <https://dl.acm.org/doi/10.5555/3042817.3043064>`_ 。
 
     输入的 `variable` 、 `accumulation` 和 `gradient` 的输入遵循隐式类型转换规则，使数据类型一致。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相对最高精度的数据类型。
 
diff --git a/docs/api/api_python/ops/mindspore.ops.ApplyPowerSign.rst b/docs/api/api_python/ops/mindspore.ops.ApplyPowerSign.rst
index c52e85f0455..188a07db2ac 100644
--- a/docs/api/api_python/ops/mindspore.ops.ApplyPowerSign.rst
+++ b/docs/api/api_python/ops/mindspore.ops.ApplyPowerSign.rst
@@ -23,9 +23,9 @@
     - **var**（Parameter）- 要更新的变量，任意维度，其数据类型为float32或float16。如果 `var` 的数据类型为float16，则所有输入的数据类型必须与 `var` 相同。
     - **m** (Parameter) - 要更新的变量，shape和数据类型与 `var` 相同。
     - **lr** (Union[Number, Tensor]) - 学习率，应该是Scalar或Tensor，数据类型为float32或float16。
-    - **logbase** (Union[Number, Tensor])- 应该是Scalar或Tensor，数据类型为float32或float16。
+    - **logbase** (Union[Number, Tensor]) - 应该是Scalar或Tensor，数据类型为float32或float16。
     - **sign_decay** (Union[Number, Tensor]) - 应该是Scalar或Tensor，数据类型为float32或float16。
-    - **beta** (Union[Number, Tensor])- 指数衰减率，应该是Scalar或Tensor，数据类型为float32或float16。
+    - **beta** (Union[Number, Tensor]) - 指数衰减率，应该是Scalar或Tensor，数据类型为float32或float16。
     - **grad** (Tensor) - 梯度，shape和数据类型与 `var` 相同。
 
     **输出：**
diff --git a/docs/api/api_python/ops/mindspore.ops.func_fills.rst b/docs/api/api_python/ops/mindspore.ops.func_fills.rst
index 0fd8a54cb6b..08f58a73e39 100644
--- a/docs/api/api_python/ops/mindspore.ops.func_fills.rst
+++ b/docs/api/api_python/ops/mindspore.ops.func_fills.rst
@@ -1,5 +1,5 @@
 mindspore.ops.fills
-==================
+===================
 
 .. py:function:: mindspore.ops.fills(x, value)
 
@@ -12,7 +12,7 @@ mindspore.ops.fills
 
     **返回：**
 
-    Tensor，与输入数据`x`具有相同的shape和type。
+    Tensor，与输入数据 `x` 具有相同的shape和type。
 
     **异常：**