!41483 modify the rst files in 1.8 0905

Merge pull request !41483 from 宦晓玲/code_docs_00905

docs/api/api_python/dataset/mindspore.dataset.Dataset.rst

@@ -33,12 +33,12 @@
     - **num_parallel_workers** (int, 可选) - 指定 `batch` 操作的并发进程数/线程数（由参数 `python_multiprocessing` 决定当前为多进程模式或多线程模式）。
       默认值：None，使用mindspore.dataset.config中配置的线程数。
     - **per_batch_map** (Callable[[List[numpy.ndarray], ..., List[numpy.ndarray], BatchInfo], (List[numpy.ndarray],
-      ..., List[numpy.ndarray])], optional, 可选) - 可调用对象，以(list[numpy.ndarray], list[numpy.ndarray], ..., BatchInfo)作为输入参数，
+      ..., List[numpy.ndarray])], 可选) - 可调用对象，以(list[numpy.ndarray], list[numpy.ndarray], ..., BatchInfo)作为输入参数，
       处理后返回(list[numpy.ndarray], list[numpy.ndarray],...)作为新的数据列。输入参数中每个list[numpy.ndarray]代表给定数据列中的一批numpy.ndarray，
       list[numpy.ndarray]的个数应与 `input_columns` 中传入列名的数量相匹配，在返回的(list[numpy.ndarray], list[numpy.ndarray], ...)中，
       list[numpy.ndarray]的个数应与输入相同，如果输出列数与输入列数不一致，则需要指定 `output_columns`。该可调用对象的最后一个输入参数始终是BatchInfo，
       用于获取数据集的信息，用法参考样例（2）。
-    - **input_columns** (Union[str, list[str]], 可选)：指定 `batch` 操作的输入数据列。
+    - **input_columns** (Union[str, list[str]], 可选) - 指定 `batch` 操作的输入数据列。
       如果 `per_batch_map` 不为None，列表中列名的个数应与 `per_batch_map` 中包含的列数匹配。默认值：None，不指定。
     - **output_columns** (Union[str, list[str]], 可选) - 指定 `batch` 操作的输出数据列。如果输入数据列与输入数据列的长度不相等，则必须指定此参数。
       此列表中列名的数量必须与 `per_batch_map` 方法的返回值数量相匹配。默认值：None，输出列将与输入列具有相同的名称。

docs/api/api_python/dataset_transforms/mindspore.dataset.transforms.Concatenate.rst

@@ -12,7 +12,7 @@ mindspore.dataset.transforms.Concatenate
     - **append** (numpy.ndarray, 可选) - 指定拼接在最后面的Tensor，默认值：None，不指定。
 
     **异常：**
-      
+
     - **TypeError** - 参数 `axis` 的类型不为int。
     - **TypeError** - 参数 `prepend` 的类型不为 `numpy.ndarray` 。
     - **TypeError** - 参数 `append` 的类型不为 `numpy.ndarray` 。

docs/api/api_python/dataset_transforms/mindspore.dataset.transforms.Slice.rst

@@ -7,7 +7,7 @@ mindspore.dataset.transforms.Slice
 
     **参数：**
 
-    - **slices** ((Union[int, list[int], slice, None, Ellipsis]) - 指定切片的信息，可以为
+    - **slices** (Union[int, list[int], slice, None, Ellipsis]) - 指定切片的信息，可以为
     
       - 1. :py:obj:`int`: 沿着第一个维度切片对索引进行切片，支持负索引。
       - 2. :py:obj:`list(int)`: 沿着第一个维度切片所有索引进行切片，支持负号索引。

docs/api/api_python/mindspore/mindspore.COOTensor.rst

@@ -43,7 +43,7 @@ mindspore.COOTensor
 
         **参数：**
 
-        - **dtype** (Union[`mindspore.dtype` , `numpy.dtype` , str]) - 指定数据类型。
+        - **dtype** (Union[mindspore.dtype, numpy.dtype, str]) - 指定数据类型。
 
         **返回：**
 

docs/api/api_python/mindspore/mindspore.CSRTensor.rst

@@ -44,7 +44,7 @@ mindspore.CSRTensor
 
         **参数：**
 
-        - **dtype** (Union[`mindspore.dtype` , `numpy.dtype` , str]) - 指定数据类型。
+        - **dtype** (Union[mindspore.dtype, numpy.dtype, str]) - 指定数据类型。
 
         **返回：**
 

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

@@ -108,7 +108,7 @@
 
         **参数：**
 
-        - **predict_data** (Tensor) - 预测样本，数据可以是单个张量、张量列表或张量元组。
+        - **predict_data** (Union[Tensor, list[Tensor], tuple[Tensor]], 可选) - 预测样本，数据可以是单个张量、张量列表或张量元组。
 
         **返回：**
 
@@ -142,7 +142,7 @@
 
         **参数：**
 
-        **predict_data** (Tensor) - 预测样本，数据可以是单个张量、张量列表或张量元组。
+        - **predict_data** (Union[Tensor, list[Tensor], tuple[Tensor]], 可选) - 预测样本，数据可以是单个张量、张量列表或张量元组。
 
         **返回：**
 

docs/api/api_python/mindspore/mindspore.set_context.rst

@@ -140,4 +140,4 @@ mindspore.set_context
 
     **异常：**
 
-    - **ValueError**：输入key不是上下文中的属性。
+    - **ValueError** - 输入key不是上下文中的属性。

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

@@ -23,7 +23,7 @@ mindspore.nn.AdaSumByGradWrapCell
 
     **参数：**
 
-    - **optimizer** (nn.optimizer) - 必须是单输入的优化器。
+    - **optimizer** (Union[Cell]) - 用于更新权重的优化器。优化器的构造函数只允许一个输入。
 
     **输入：**
 

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

@@ -47,8 +47,8 @@ mindspore.nn.FTRL
     - **initial_accum** (float) - 累加器 `m` 的初始值，必须大于等于零。默认值：0.1。
     - **learning_rate** (float) - 学习速率值必须为零或正数，当前不支持动态学习率。默认值：0.001。
     - **lr_power** (float) - 学习率的幂值，控制训练期间学习率的下降方式，必须小于或等于零。如果lr_power为零，则使用固定的学习率。默认值：-0.5。
-    - **l1** (float)：l1正则化强度，必须大于等于零。默认值：0.0。
-    - **l2** (float)：l2正则化强度，必须大于等于零。默认值：0.0。
+    - **l1** (float) - l1正则化强度，必须大于等于零。默认值：0.0。
+    - **l2** (float) - l2正则化强度，必须大于等于零。默认值：0.0。
     - **use_locking** (bool) - 如果为True，则更新操作使用锁保护。默认值：False。
 
     .. include:: mindspore.nn.optim_arg_loss_scale.rst

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

@@ -15,7 +15,7 @@ mindspore.nn.Precision
 
     **参数：**
 
-    - **eval_type** （str）- 支持'classification'和'multilabel'。默认值：'classification'。
+    - **eval_type** (str) - 支持'classification'和'multilabel'。默认值：'classification'。
 
     .. py:method:: clear()