modify format

docs/api/api_python/mindspore/mindspore.Profiler.rst

@@ -44,7 +44,7 @@ mindspore.Profiler
         异常：
             - **TypeError** - op_name参数类型不正确。
             - **TypeError** - device_id参数类型不正确。
-            - **RunTimeError** - 在Ascend上使用该接口获取性能数据。
+            - **RuntimeError** - 在Ascend上使用该接口获取性能数据。
 
     .. py:method:: start()
 

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

@@ -3,7 +3,7 @@ mindspore.ops.UniformReal
 
 .. py:class:: mindspore.ops.UniformReal(seed=0, seed2=0)
 
-    产生随机的浮点数，均匀分布在[0，1)范围内。
+    产生随机的浮点数，均匀分布在[0, 1)范围内。
 
     参数：
         - **seed** (int) - 算子层的随机种子，用于生成随机数。必须是非负的。默认值：0。

docs/api/api_python/ops/mindspore.ops.func_atan2.rst

@@ -16,8 +16,8 @@ mindspore.ops.atan2
         - **input** (Tensor, Number.number) - 输入Tensor或常数，shape: :math:`(N,*)` ，其中 :math:`*` 表示任何数量的附加维度。
         - **other** (Tensor, Number.number) - 输入Tensor或常数，shape应能在广播后与 `input` 相同，或 `input` 的shape在广播后与 `other` 相同。
 
-        .. note::
-            两个参数中，至少有一个需要为Tensor。
+    .. note::
+        两个参数中，至少有一个需要为Tensor。
 
     返回：
         Tensor或常数，与广播后的输入shape相同，和 `input` 数据类型相同。

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

@@ -10,7 +10,7 @@ mindspore.ops.coo_log
 
     .. warning::
 
-        如果算子Log的输入值在(0，0.01]或[0.95，1.05]范围内，则输出精度可能会存在误差。
+        如果算子Log的输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。
 
     参数：
         - **x** (COOTensor) - 任意维度的输入COOTensor。该值必须大于0。

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

@@ -6,7 +6,7 @@ mindspore.ops.count_nonzero
     计算输入Tensor指定轴上的非零元素的数量。如果没有指定维度，则计算Tensor中所有非零元素的数量。
 
     .. note::
-        `dims` 的值范围是[-x_dims，x_dims)。其中， `x_dims` 是输入 `x` 的维度。
+        `dims` 的值范围是[-x_dims, x_dims)。其中， `x_dims` 是输入 `x` 的维度。
 
     参数：
         - **x** (Tensor) - 要计算的输入，可以是任意维度的Tensor。将输入张量的shape设为 :math:`(x_1, x_2, ..., x_N)` 。
@@ -18,4 +18,4 @@ mindspore.ops.count_nonzero
     异常：
         - **TypeError** - 如果 `x` 的数据类型不受支持。
         - **TypeError** - 如果 `dims` 的数据类型不是int。
-        - **ValueError** - 如果 `dims` 中的任何值不在 :math:`[-x_dims，x_dims)` 范围内。
+        - **ValueError** - 如果 `dims` 中的任何值不在 :math:`[-x_dims, x_dims)` 范围内。

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

@@ -10,7 +10,7 @@ mindspore.ops.csr_log
 
     .. warning::
 
-        如果算子Log的输入值在(0，0.01]或[0.95，1.05]范围内，则输出精度可能会存在误差。
+        如果算子Log的输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。
 
     参数：
         - **x** (CSRTensor) - 任意维度的输入CSRTensor。该值必须大于0。

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

@@ -10,7 +10,7 @@ mindspore.ops.log
 
     .. warning::
 
-        如果算子Log的输入值在(0，0.01]或[0.95，1.05]范围内，则输出精度可能会存在误差。
+        如果算子Log的输入值在(0, 0.01]或[0.95, 1.05]范围内，则输出精度可能会存在误差。
 
     .. note::
         Ascend上输入Tensor的维度要小于等于8，CPU上输入Tensor的维度要小于8。

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

@@ -12,7 +12,7 @@ mindspore.ops.transpose
 
     参数：
         - **input_x** (Tensor) - 输入Tensor，其shape是 :math:`(x_1, x_2, ..., x_R)` 。
-        - **input_perm** (tuple[int]) - 指定排列。 `input_perm` 中的元素由 `input_x` 的每个维度的索引组成。 `input_perm` 的长度和 `input_x` 的shape相同。只支持常量值。其范围在[-rank(input_x)，rank(input_x))内。
+        - **input_perm** (tuple[int]) - 指定排列。 `input_perm` 中的元素由 `input_x` 的每个维度的索引组成。 `input_perm` 的长度和 `input_x` 的shape相同。只支持常量值。其范围在[-rank(input_x), rank(input_x))内。
 
     返回：
         Tensor，输出Tensor的数据类型与 `input_x` 相同，输出Tensor的shape由 `input_x` 的shape和 `input_perm` 的值决定。

mindspore/python/mindspore/nn/layer/pooling.py

@@ -990,7 +990,7 @@ class AdaptiveMaxPool1d(Cell):
 
     Inputs:
         - **input** (Tensor) - Tensor of shape :math:`(N, C_{in}, L_{in})` or `(C_{in}, L_{in})`, with
-        float16 or float32 data type.
+          float16 or float32 data type.
 
     Outputs:
         Tensor of shape :math:`(N_{in}, C_{in}, L_{out})` or :math:`(C_{in}, L_{out})`, has the same type as `input`.
@@ -1146,7 +1146,7 @@ class AdaptiveMaxPool3d(Cell):
 
     Inputs:
         - **input** (Tensor) - Tensor, has shape of :math:`(C, D, H, W)` or :math:`(N, C, D, H, W)` . The suppoerted
-        dtypes are int8, int16, int32, int64, uint8, uint16, uint32, uint64, float16, float32 and float64 data type.
+          dtypes are int8, int16, int32, int64, uint8, uint16, uint32, uint64, float16, float32 and float64 data type.
 
     Outputs:
         - **y** (Tensor) - Tensor, has the same number of dims and data type as the `input` .

mindspore/python/mindspore/nn/layer/transformer.py

@@ -444,7 +444,7 @@ class TransformerEncoder(Cell):
 
     Inputs:
         - **src** (Tensor): the sequence to the encoder (required).
-        - **mask** (Tensor): the mask for the src sequence (optional).
+        - **src_mask** (Tensor): the mask for the src sequence (optional).
         - **src_key_padding_mask** (Tensor): the mask for the src keys per batch (optional).
 
     Outputs:

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

@@ -2565,8 +2565,8 @@ def atan2(input, other):
             The data type should be one of the following types: float16, float32, float64
         other (Tensor, Number.number): The input tensor or scalar. It has the same shape with `input`.
 
-        .. note::
-            At least one of the input args should be Tensor.
+    .. note::
+        At least one of the input args should be Tensor.
 
     Returns:
         Tensor or scalar, the shape is the same as the one after broadcasting,and the data type is same as `input`.

mindspore/python/mindspore/ops/operations/_grad_ops.py

@@ -3629,7 +3629,7 @@ class SparseSliceGrad(Primitive):
         ValueError: If the number of `backprop_val_grad` is not corresponding to the number of `new_indices`.
         ValueError: If the shape of `indices[1]` is not corresponding to `start[1]`.
         ValueError: If the shape of `indices[1]` is not corresponding to `new_indices[1]`.
-        RunTimeError: If the `backprop_val_grad` is not all backpropagated, because `indices` or `new_indices`
+        RuntimeError: If the `backprop_val_grad` is not all backpropagated, because `indices` or `new_indices`
         is not sorted.
 
     Supported Platforms:

mindspore/python/mindspore/ops/operations/sparse_ops.py

@@ -2407,8 +2407,8 @@ class SparseCountSparseOutput(Primitive):
         ValueError: If number of values does not match first dimension of indices
         ValueError: If number of dense_shape dimensions does not match second dimension of indices
         ValueError: If num dim of dense_shape is < 1
-        RunTimeError: If number of weights is not equal to number of values
-        RunTimeError: If indexes are not in bounds of the dense shape
+        RuntimeError: If number of weights is not equal to number of values
+        RuntimeError: If indexes are not in bounds of the dense shape
 
     Examples:
         >>> from mindspore.ops.operations.sparse_ops import SparseCountSparseOutput

mindspore/python/mindspore/profiler/profiling.py

@@ -277,7 +277,7 @@ class Profiler:
         Raises:
             TypeError: If the op_name parameter type is incorrect.
             TypeError: If the device_id parameter type is incorrect.
-            RunTimeError: If MindSpore runs on Ascend, this interface cannot be used.
+            RuntimeError: If MindSpore runs on Ascend, this interface cannot be used.
 
         Supported Platforms:
             ``GPU`` ``CPU``