add func sigmoid and modify docs

docs/api/api_python/mindspore.ops.rst

@@ -90,6 +90,7 @@ mindspore.ops
     mindspore.ops.log_softmax
     mindspore.ops.mish
     mindspore.ops.selu
+    mindspore.ops.sigmoid
     mindspore.ops.soft_shrink
     mindspore.ops.softmax
     mindspore.ops.softsign

docs/api/api_python/ops/mindspore.ops.SparseApplyAdagradV2.rst

@@ -24,7 +24,7 @@ mindspore.ops.SparseApplyAdagradV2
     输入：
         - **var** (Parameter) - 要更新的变量。为任意维度，其数据类型为float16或float32。
         - **accum** (Parameter) - 要更新的累积。shape和数据类型必须与 `var` 相同。
-        - **grad** (Tensor) - 梯度，为一个Tensor。shape和数据类型必须与 `var` 相同，且需要满足 :math:`grad.shape[1:] = var.shape[1:] if var.shape > 1`。
+        - **grad** (Tensor) - 梯度，为一个Tensor。shape和数据类型必须与 `var` 相同，且需要满足当 `var.shape > 1` 时 :math:`grad.shape[1:] = var.shape[1:]`。
         - **indices** (Tensor) - `var` 和 `accum` 第一维度的索引向量，数据类型为int32，且需要保证 :math:`indices.shape[0] = grad.shape[0]`。
 
     输出：

docs/api/api_python/ops/mindspore.ops.SparseApplyFtrlV2.rst

@@ -19,7 +19,7 @@ mindspore.ops.SparseApplyFtrlV2
         - **var** (Parameter) - 要更新的权重。数据类型必须为float16或float32。shape为 :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。
         - **accum** (Parameter) - 要更新的累加值，shape和数据类型必须与 `var` 相同。
         - **linear** (Parameter) - 要更新的线性系数，shape和数据类型必须与 `var` 相同。
-        - **grad** (Tensor) - 梯度，为一个Tensor。数据类型必须与 `var` 相同，且需要满足 :math:`grad.shape[1:] = var.shape[1:] if var.shape > 1`。
+        - **grad** (Tensor) - 梯度，为一个Tensor。数据类型必须与 `var` 相同，且需要满足当 `var.shape > 1` 时 :math:`grad.shape[1:] = var.shape[1:]`。
         - **indices** (Tensor) - `var` 和 `accum` 第一维度的索引向量，数据类型为int32，且需要保证 :math:`indices.shape[0] = grad.shape[0]`。
 
     输出：

docs/api/api_python_en/mindspore.ops.rst

@@ -91,6 +91,7 @@ Activation Functions
     mindspore.ops.log_softmax
     mindspore.ops.mish
     mindspore.ops.selu
+    mindspore.ops.sigmoid
     mindspore.ops.softsign
     mindspore.ops.soft_shrink
     mindspore.ops.softmax

mindspore/python/mindspore/ops/operations/nn_ops.py

@@ -5965,7 +5965,7 @@ class SparseApplyAdagradV2(Primitive):
           The shape is :math:`(N, *)` where :math:`*` means, any number of additional dimensions.
         - **accum** (Parameter) - Accumulation to be updated. The shape and data type must be the same as `var`.
         - **grad** (Tensor) - Gradients has the same data type as `var` and
-          grad.shape[1:] = var.shape[1:] if var.shape > 1.
+          :math:`grad.shape[1:] = var.shape[1:]` if var.shape > 1.
         - **indices** (Tensor) - A vector of indices into the first dimension of `var` and `accum`.
           The type must be int32 and indices.shape[0] = grad.shape[0].
 
@@ -6820,7 +6820,8 @@ class SparseApplyFtrlV2(PrimitiveWithInfer):
           The shape is :math:`(N, *)` where :math:`*` means, any number of additional dimensions.
         - **accum** (Parameter) - The accumulation to be updated, must be same data type and shape as `var`.
         - **linear** (Parameter) - the linear coefficient to be updated, must be same data type and shape as `var`.
-        - **grad** (Tensor) - A tensor of the same type as `var` and grad.shape[1:] = var.shape[1:] if var.shape > 1.
+        - **grad** (Tensor) - A tensor of the same type as `var` and
+          :math:`grad.shape[1:] = var.shape[1:]` if var.shape > 1.
         - **indices** (Tensor) - A vector of indices in the first dimension of `var` and `accum`.
           The type must be int32 and indices.shape[0] = grad.shape[0].