fix docs related issues master

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

@@ -26,7 +26,7 @@ mindspore.nn.PReLU
         - **w** (Union[float, list, Tensor]) - 参数的初始值。它可以是float、float组成的list或与输入Tensor `x` 具有相同数据类型的Tensor。默认值：0.25。
 
     输入：
-        - **x** (Tensor) - PReLU的输入，任意维度的Tensor，其数据类型为float16或float32。
+        - **x** (Tensor) - PReLU的输入Tensor，其shape为 :math:`(N, *)` ，其中 :math:`*` 表示任意的额外维度，数据类型为float16或float32。
 
     输出：
         Tensor，数据类型和shape与 `x` 相同。

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

@@ -13,8 +13,8 @@ mindspore.ops.bitwise_and
     如果 `x` 和 `y` 数据类型不同，低精度数据类型将自动转换成高精度数据类型。
 
     参数：
-        - **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
-        - **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
+        - **x** (Tensor) - 第一个输入Tensor，其shape为 :math:`(N, *)` ，其中 :math:`*` 为任意数量的额外维度。支持的数据类型有：int8、uint8、int16、uint16、int32、uint32、int64和uint64。
+        - **y** (Tensor) - 第二个输入Tensor，数据类型与 `x` 一致。
 
     返回：
         Tensor，是一个与 `x` 相同类型的Tensor。

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

@@ -13,8 +13,8 @@ mindspore.ops.bitwise_or
     如果 `x` 和 `y` 数据类型不同，低精度数据类型将自动转换成高精度数据类型。
 
     参数：
-        - **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
-        - **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
+        - **x** (Tensor) - 第一个输入Tensor，其shape为 :math:`(N, *)` ，其中 :math:`*` 为任意数量的额外维度。支持的数据类型有：int8、uint8、int16、uint16、int32、uint32、int64和uint64。
+        - **y** (Tensor) - 第二个输入Tensor，数据类型与 `x` 一致。
 
     返回：
         Tensor，是一个与 `x` 相同类型的Tensor。

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

@@ -13,8 +13,8 @@ mindspore.ops.bitwise_xor
     如果 `x` 和 `y` 数据类型不同，低精度数据类型将自动转换成高精度数据类型。
 
     参数：
-        - **x** (Tensor) - 第一个输入，是一个数据类型为uint16、int16或int32的Tensor。
-        - **y** (Tensor) - 第二个输入，是一个与 `x` 相同类型的Tensor。
+        - **x** (Tensor) - 第一个输入Tensor，其shape为 :math:`(N, *)` ，其中 :math:`*` 为任意数量的额外维度。支持的数据类型有：int8、uint8、int16、uint16、int32、uint32、int64和uint64。
+        - **y** (Tensor) - 第二个输入Tensor，数据类型与 `x` 一致。
 
     返回：
         Tensor，是一个与 `x` 相同类型的Tensor。

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

@@ -17,11 +17,11 @@ mindspore.ops.prelu
         Ascend不支持标量和1维向量格式的输入。
 
     参数：
-        - **x** (Tensor) - 激活函数的输入Tensor。数据类型为float16或float32。shape为 :math:`(N, C, *)` ，其中 :math:`*` 表示任意的附加维度。
+        - **x** (Tensor) - 激活函数的输入Tensor。数据类型为float16或float32。shape为 :math:`(N, *)` ，其中 :math:`*` 表示任意的附加维度。
         - **weight** (Tensor) - 权重Tensor。数据类型为float16或float32。 `weight` 只可以是向量，长度与输入x的通道数C相同。在GPU设备上，当输入为标量时，shape为(1,)。
 
     返回：
-        Tensor，数据类型与 `x` 相同。
+        Tensor，其shape和数据类型与 `x` 相同。
 
         有关详细信息，请参考 :class:`mindspore.nn.PReLU` 。
 

mindspore/python/mindspore/ops/function/array_func.py

@@ -3392,7 +3392,7 @@ def matrix_set_diag(x, diagonal, k=0, align="RIGHT_LEFT"):
             0), x.shape[-1] + min(-k[0], 0)).
 
     Supported Platforms:
-        ``Ascend`` ``GPU`` ``CPU``
+        ``GPU`` ``CPU``
 
     Examples:
         >>> x = Tensor(np.array([[7, 7, 7, 7],

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

@@ -1831,9 +1831,10 @@ def bitwise_and(x, y):
     the relatively highest priority data type.
 
     Args:
-        x (Tensor): The input tensor with int16, int32 or uint16 data type.
-            :math:`(N,*)` where :math:`*` means, any number of additional dimensions.
-        y (Tensor): The input tensor with same type as the `x`.
+        x (Tensor): The first input tensor with shape :math:`(N,*)` where :math:`*` means
+        any number of additional dimensions. The supported data types are:
+        int8, uint8, int16, uint16, int32, uint32, int64 and uint64.
+        y (Tensor): The second input tensor with the same dtype as `x`.
 
     Returns:
         Tensor, has the same type as the `x`.
@@ -1868,8 +1869,10 @@ def bitwise_or(x, y):
     the relatively highest priority data type.
 
     Args:
-        x (Tensor): The input tensor with int16, int32 or uint16 data type.
-        y (Tensor): The input tensor with same type as the `x`.
+        x (Tensor): The first input tensor with shape :math:`(N,*)` where :math:`*` means
+        any number of additional dimensions. The supported data types are:
+        int8, uint8, int16, uint16, int32, uint32, int64 and uint64.
+        y (Tensor): The second input tensor with the same dtype as `x`.
 
     Returns:
         Tensor, has the same type as the `x`.
@@ -1904,8 +1907,10 @@ def bitwise_xor(x, y):
     the relatively highest priority data type.
 
     Args:
-        x (Tensor): The input tensor with int16, int32 or uint16 data type.
-        y (Tensor): The input tensor with same type as the `x`.
+        x (Tensor): The first input tensor with shape :math:`(N,*)` where :math:`*` means
+        any number of additional dimensions. The supported data types are:
+        int8, uint8, int16, uint16, int32, uint32, int64 and uint64.
+        y (Tensor): The second input tensor with the same dtype as `x`.
 
     Returns:
         Tensor, has the same type as the `x`.

mindspore/python/mindspore/ops/function/nn_func.py

@@ -2417,13 +2417,13 @@ def prelu(x, weight):
 
     Args:
         x (Tensor): The input Tensor of the activation function. The data type is float16 or float32.
-          The shape is :math:`(N, C, *)` where :math:`*` means, any number of additional dimensions.
+          The shape is :math:`(N, *)` where :math:`*` means, any number of additional dimensions.
         weight (Tensor):  Weight Tensor. The data type is float16 or float32.
           The weight can only be a vector, and the length is the same as the number of channels C of the `input_x`.
           On GPU devices, when the input is a scalar, the shape is (1,).
 
     Returns:
-        Tensor, with the same dtype as `x`.
+        Tensor, with the same shape and dtype as `x`.
 
     For detailed information, please refer to :class:`mindspore.nn.PReLU`.
 

mindspore/python/mindspore/ops/operations/array_ops.py

@@ -1515,7 +1515,7 @@ class MatrixSetDiagV3(Primitive):
             0), x.shape[-1] + min(-k[0], 0)).
 
     Supported Platforms:
-        ``Ascend`` ``GPU`` ``CPU``
+        ``GPU`` ``CPU``
 
     Examples:
         >>> x = Tensor(np.array([[7, 7, 7, 7],