modify format

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

@@ -1,7 +1,7 @@
 mindspore.ops.CheckValid
 =========================
 
-.. py:class:: mindspore.ops.CheckValide()
+.. py:class:: mindspore.ops.CheckValid()
 
     检查边界框。
 

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

@@ -13,7 +13,7 @@ mindspore.ops.SparseApplyFtrlV2
         - **l2** (float) - L2正则化，必须大于或等于零。
         - **l2_shrinkage** (float) - L2收缩正则化。
         - **lr_power** (float) - 在训练期间控制降低学习率，必须小于或等于零。如果 `lr_power` 为零，则使用固定学习率。
-        - **use_locking** (bool) - 如果为True，则 `var` 和 `accum` 将受到保护，不被更新。默认值：False。
+        - **use_locking** (bool, 可选) - 如果为True，则 `var` 和 `accum` 将受到保护，不被更新。默认值：False。
 
     输入：
         - **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。

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

@@ -30,4 +30,6 @@ mindspore.ops.gelu
         Tensor，具有与 `input_x` 相同的数据类型和shape。
 
     异常：
+        - **TypeError** - 如果 `input_x` 的数据类型不是Tensor。
         - **TypeError** - `input_x` 的数据类型既不是float16、float32或者float64。
+        - **ValueError** - 如果 `approximate` 的值既不是 `none` 也不是 `tanh`。

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

@@ -14,7 +14,7 @@ mindspore.ops.softmax
 
     参数：
         - **x** (Tensor) - Softmax的输入，任意维度的Tensor。其数据类型为float16或float32。
-        - **axis** (Union[int, tuple[int]]) - 指定Softmax操作的轴。默认值：-1。
+        - **axis** (Union[int, tuple[int]], 可选) - 指定Softmax操作的轴。默认值：-1。
 
     返回：
         Tensor，数据类型和shape与 `x` 相同。

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

@@ -13,9 +13,10 @@ mindspore.ops.unfold
         - **kernel_size** (Union[int, tuple[int], list[int]]) - 滑窗大小。如果是两个int，则分别为滑窗的高度和宽度；如果是一个int，则高度和宽度均为这个int值。是一个必要参数。
         - **dilation** (Union[int, tuple[int], list[int]]，可选) - 窗口的空洞卷积的扩充率，如果是两个int，则分别作用于滑窗的高度和宽度；如果是一个int，则这个值作用于化窗的高度和宽度。默认值：1。
         - **padding** (Union[int, tuple[int], list[int]]，可选) - 滑窗的隐式零填充量。为单个int或者包含一/二/四个整数的tuple/list。默认值: 0。
-            - 如果是一个int, 则pad_height = pad_width。
-            - 如果是两个int, 则pad_height = padding[0], pad_width = padding[1]。
-            - 如果是四个int, 则padding = [pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]。
+            
+          - 如果是一个int, 则pad_height = pad_width。
+          - 如果是两个int, 则pad_height = padding[0], pad_width = padding[1]。
+          - 如果是四个int, 则padding = [pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]。
         - **stride** (Union[int, tuple[int], list[int]]，可选) - 空间维度上滑动的步长，如果是两个int，则分别为滑窗的高和宽方向上的步长；如果是一个int，则高和宽方向上的步长均为这个int值。默认值: 1。
 
     返回：

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

@@ -3416,6 +3416,7 @@ def std(input_x, axis=(), unbiased=True, keep_dims=False):
     Returns:
         A tuple of 2 Tensors (output_std, output_mean) containing the standard deviation and mean.
         Suppose the shape of `input_x` is :math:`(x_0, x_1, ..., x_R)`:
+
         - If `axis` is () and `keep_dims` is set to False, returns a 0-D Tensor, indicating
           the standard deviation of all elements in `input_x`.
         - If `axis` is int 1 and `keep_dims` is set to False, then the returned Tensor

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

@@ -3948,6 +3948,7 @@ def elu(input_x, alpha=1.0):
             \alpha(e^{x}  - 1) & \text{if } x \le 0\\
             x & \text{if } x \gt 0\\
         \end{array}\right.
+
     Where :math:`x` is the element of input Tensor, :math:`\alpha` is param `alpha`,
     it determines the smoothness of ELU.
     The picture about ELU looks like this `ELU <https://en.wikipedia.org/wiki/

mindspore/python/mindspore/ops/operations/debug_ops.py

@@ -64,7 +64,7 @@ class ScalarSummary(Primitive):
     Raises:
         TypeError: If `name` is not a str.
         TypeError: If `value` is not a Tensor.
-        TypeError: If dim of `value` is greater than 1.
+        ValueError: If dim of `value` is greater than 1.
 
     Supported Platforms:
         ``Ascend`` ``GPU`` ``CPU``

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

@@ -6832,7 +6832,7 @@ class SparseApplyFtrl(Primitive):
         l2 (float): l2 regularization strength, must be greater than or equal to zero.
         lr_power (float): Learning rate power controls how the learning rate decreases during training,
             must be less than or equal to zero. Use fixed learning rate if `lr_power` is zero.
-        use_locking (bool): Use locks for updating operation if true . Default: False.
+        use_locking (bool, optional): Use locks for updating operation if true . Default: False.
 
     Inputs:
         - **var** (Parameter) - The variable to be updated. The data type must be float16 or float32.

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

@@ -412,7 +412,7 @@ class SparseToDense(Primitive):
         - **sparse_shape** (tuple(int)) - A positive int tuple which specifies the shape of sparse tensor,
           should have 2 elements, represent sparse tensor shape is :math:`(N, C)`.
 
-    Returns:
+    Outputs:
         Tensor, converted from sparse tensor. The dtype is same as `values`, and the shape is `sparse_shape`.
 
     Raises: