remove raise error when batch rank is zero and lr shape is one

docs/api/api_python/mindspore/mindspore.set_auto_parallel_context.rst

@@ -4,7 +4,7 @@ mindspore.set_auto_parallel_context
 
 .. py:function:: mindspore.set_auto_parallel_context(**kwargs)
 
-    配置自动并行，仅在Ascend和GPU上有效。
+    配置自动并行，当前CPU仅支持数据并行。
 
     应在mindspore.communication.init之前配置自动并行。
 

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

@@ -66,6 +66,8 @@ mindspore.set_context
     |                         |  compile_cache_path          |  CPU/GPU/Ascend            |
     |                         +------------------------------+----------------------------+
     |                         |  disable_format_transform    |  GPU                       |
+    |                         +------------------------------+----------------------------+
+    |                         |  support_binary              |  CPU/GPU/Ascend            |
     +-------------------------+------------------------------+----------------------------+
 
     参数：
@@ -129,8 +131,9 @@ mindspore.set_context
         - **grad_for_scalar** (bool) - 表示是否获取标量梯度。默认值：False。当 `grad_for_scalar` 设置为True时，则可以导出函数的标量输入。由于后端目前不支持伸缩操作，所以该接口只支持在前端可推演的简单操作。
         - **enable_compile_cache** (bool) - 表示是否加载或者保存前端编译的图。当 `enable_compile_cache` 被设置为True时，在第一次执行的过程中，一个硬件无关的编译缓存会被生成并且导出为一个MINDIR文件。当该网络被再次执行时，如果 `enable_compile_cache` 仍然为True并且网络脚本没有被更改，那么这个编译缓存会被加载。注意目前只支持有限的Python脚本更改的自动检测，这意味着可能有正确性风险。默认值：False。这是一个实验特性，可能会被更改或者删除。
         - **compile_cache_path** (str) - 保存前端图编译缓存的路径。默认值："."。如果目录不存在，系统会自动创建这个目录。缓存会被保存到如下目录： `compile_cache_path/rank_${rank_id}/` 。 `rank_id` 是集群上当前设备的ID。
-        - **runtime_num_threads** (int) - 运行时线程池的线程数控制。默认值为30。
+        - **runtime_num_threads** (int) - 运行时actor和CPU算子核使用的线程池线程数，必须大于0。默认值为30，如果同时运行多个进程，应将该值设置得小一些，以避免线程争用。
         - **disable_format_transform** (bool) - 表示是否取消NCHW到NHWC的自动格式转换功能。当fp16的网络性能不如fp32的时，可以设置 `disable_format_transform` 为True，以尝试提高训练性能。默认值：False。
+        - **support_binary** (bool) - 是否支持在图形模式下运行.pyc或.so。如果要支持在图形模式下运行.so或.pyc，可将`support_binary`置为True，并运行一次.py文件，从而将接口源码保存到接口定义.py文件中，因此要保证该文件可写。然后将.py文件编译成.pyc或.so文件，即可在图模式下运行。
 
     异常：
         - **ValueError** - 输入key不是上下文中的属性。

mindspore/ccsrc/plugin/device/cpu/kernel/rmsprop_cpu_kernel.cc

@@ -145,7 +145,7 @@ int RMSPropCpuKernelMod::CalElements(std::vector<int64_t> var_shape, std::vector
                   << " and 'batch_rank': " << batch_rank_;
     return KRET_RESIZE_FAILED;
   }
-  if (batch_rank_ < 0 || lr_shape.size() != LongToSize(batch_rank_)) {
+  if (batch_rank_ < 0 || (batch_rank_ > 0 && lr_shape.size() != LongToSize(batch_rank_))) {
     MS_LOG(ERROR) << "For '" << kernel_name_
                   << "', the shape size of 'lr' must be equal to 'batch_rank', "
                      "but got the shape of 'lr': "

mindspore/ccsrc/plugin/device/gpu/kernel/nn/batch_norm_grad_grad_gpu_kernel.cc

@@ -131,8 +131,8 @@ int BatchNormGradGradGpuKernelMod::Resize(const BaseOperatorPtr &base_operator,
                       << Vector2Str(std::vector<int64_t>{c}) << ", but got scale shape: " << Vector2Str(scale_shape)
                       << ", mean shape: " << Vector2Str(mean_shape)
                       << ", variance shape: " << Vector2Str(variance_shape)
-                      << ", dout_dsacle shape: " << Vector2Str(dout_dscale_shape) << ", dout_dbias shape"
-                      << Vector2Str(dout_dbias_shape);
+                      << ", dout_dsacle shape: " << Vector2Str(dout_dscale_shape)
+                      << ", dout_dbias shape: " << Vector2Str(dout_dbias_shape);
   }
 
   if (x_shape.size() == kDim2) {

mindspore/python/mindspore/context.py

@@ -443,7 +443,7 @@ def _context():
                  parallel_optimizer_config=dict, comm_fusion=dict)
 def set_auto_parallel_context(**kwargs):
     r"""
-    Set auto parallel context, which is valid only for Ascend and GPU target.
+    Set auto parallel context, only data parallel supported on CPU.
 
     Auto parallel context should be configured before the initialization of your network.