fix docs problems for ascend dtype in xlogy op

docs/api/api_python/mindspore/Tensor/mindspore.Tensor.xlogy.rst

@@ -13,6 +13,9 @@ mindspore.Tensor.xlogy
 
     `x` 和 `y` 的输入遵循隐式类型转换规则，使数据类型一致。输入必须是两个Tensor或一个Tensor和一个Scalar。当输入是两个Tensor时，它们的数据类型不能同时是bool的，它们的shape可以广播。当输入是一个Tensor和一个Scalar时，Scalar只能是一个常量。
 
+    .. warning::
+        - 在Ascend上， `x` 和 `y` 必须为float16或float32。
+
     参数：
         - **y** (Union[Tensor, number.Number, bool]) - 第二个输入为数值型。当第一个输入是Tensor或数据类型为数值型或bool的Tensor时，则第二个输入是数值型或bool。当第一个输入是Scalar时，则第二个输入必须是数据类型为数值型或bool的Tensor。
 
@@ -21,5 +24,5 @@ mindspore.Tensor.xlogy
 
     异常：
         - **TypeError** - 如果 `x` 和 `y` 不是数值型、bool或Tensor。
-        - **TypeError** - 如果 `x` 和 `y` 的数据类型不是float16、float32或float64。
+        - **TypeError** - 如果 `x` 和 `y` 的数据类型不是float16、float32、float64、complex64或complex128。
         - **ValueError** - 如果 `x` 不能广播到与 `y` 的shape一致。

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

@@ -10,6 +10,9 @@ mindspore.ops.xlogy
 
     `x` 和 `y` 的输入遵循隐式类型转换规则，使数据类型一致。输入必须是两个Tensor或一个Tensor和一个Scalar。当输入是两个Tensor时，它们的数据类型不能同时是bool的，它们的shape可以广播。当输入是一个Tensor和一个Scalar时，Scalar只能是一个常量。
 
+    .. warning::
+        - 在Ascend上， `x` 和 `y` 必须为float16或float32。
+
     参数：
         - **x** (Union[Tensor, number.Number, bool]) - 第一个输入为数值型。数据类型为 `number <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/zh-CN/master/api_python/mindspore/mindspore.dtype.html#mindspore.dtype>`_ 。
         - **y** (Union[Tensor, number.Number, bool]) - 第二个输入为数值型。当第一个输入是Tensor或数据类型为数值型或bool的Tensor时，则第二个输入是数值型或bool。当第一个输入是Scalar时，则第二个输入必须是数据类型为数值型或bool的Tensor。
@@ -19,5 +22,5 @@ mindspore.ops.xlogy
 
     异常：
         - **TypeError** - 如果 `x` 和 `y` 不是数值型、bool或Tensor。
-        - **TypeError** - 如果 `x` 和 `y` 的数据类型不是float16、float32或float64。
+        - **TypeError** - 如果 `x` 和 `y` 的数据类型不是float16、float32、float64、complex64或complex128。
         - **ValueError** - 如果 `x` 不能广播到与 `y` 的shape一致。

mindspore/python/mindspore/common/tensor.py

@@ -4600,6 +4600,9 @@ class Tensor(Tensor_):
         When the inputs are one tensor and one scalar,
         the scalar could only be a constant.
 
+        .. warning::
+            - On Ascend, the data type of `x` and `y` must be float16 or float32.
+
         Args:
             - **y** (Union[Tensor, number.Number, bool]) - The `y` input is a number.Number or
               a bool or a tensor whose data type is number or bool.
@@ -4610,7 +4613,7 @@ class Tensor(Tensor_):
 
         Raises:
             TypeError: If `y` is not a number.Number or a bool or a Tensor.
-            TypeError: If dtype of `x` and 'y' is not in [float16, float32, float64] .
+            TypeError: If dtype of `x` and 'y' is not in [float16, float32, float64, complex64, complex128] .
             ValueError: If `x` could not be broadcast to a tensor with shape of `y`.
 
         Supported Platforms:

mindspore/python/mindspore/ops/function/math_func.py

@@ -1289,6 +1289,9 @@ def xlogy(x, y):
     When the inputs are one tensor and one scalar,
     the scalar could only be a constant.
 
+    .. warning::
+        - On Ascend, the data type of `x` and `y` must be float16 or float32.
+
     Args:
         - **x** (Union[Tensor, number.Number, bool]) - The first input is a number.Number or
           a bool or a tensor whose data type is
@@ -1304,7 +1307,7 @@ def xlogy(x, y):
 
     Raises:
         TypeError: If `x` and `y` is not a number.Number or a bool or a Tensor.
-        TypeError: If dtype of `x` and 'y' is not in [float16, float32, float64].
+        TypeError: If dtype of `x` and 'y' is not in [float16, float32, float64, complex64, complex128].
         ValueError: If `x` could not be broadcast to a tensor with shape of `y`.
 
     Supported Platforms:
@@ -1313,8 +1316,7 @@ def xlogy(x, y):
     Examples:
         >>> x = Tensor(np.array([-5, 0, 4]), mindspore.float32)
         >>> y = Tensor(np.array([2, 2, 2]), mindspore.float32)
-        >>> xlogy = ops.Xlogy()
+        >>> output = ops.xlogy(x, y)
-        >>> output = xlogy(x, y)
         >>> print(output)
         [-3.465736   0.        2.7725887]
     """