fix docs issues

fix docs issues

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

@@ -20,9 +20,9 @@ mindspore.nn.GELU
     参数：
         - **approximate** (bool) - 是否启用approximation，默认值：True。如果approximate的值为True，则高斯误差线性激活函数为：
 
-          :math:`0.5 * x * (1 + tanh(sqrt(2 / pi) * (x + 0.044715 * x^3)))` ，
+          :math:`0.5 * x * (1 + tanh(\sqrt(2 / \pi) * (x + 0.044715 * x^3)))` ，
 
-          否则为： :math:`x * P(X <= x) = 0.5 * x * (1 + erf(x / sqrt(2)))`，其中P(X) ~ N(0, 1) 。
+          否则为： :math:`x * P(X <= x) = 0.5 * x * (1 + erf(x / \sqrt(2)))`，其中P(X) ~ N(0, 1) 。
 
     输入：
         - **x** (Tensor) - 用于计算GELU的Tensor。数据类型为float16或float32。shape是 :math:`(N,*)` ， :math:`*` 表示任意的附加维度数。

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

@@ -42,9 +42,9 @@ mindspore.ops.FFTWithSize
   
         - **norm** (str，可选) - 表示该操作的规范化方式，可选值：["backward", "forward", "ortho"]。默认值："backward"。
   
-          - "backward"，正向变换不缩放，逆变换按 :math:`1/sqrt(n)` 缩放，其中 `n` 表示输入 `x` 的元素数量。。
+          - "backward"，正向变换不缩放，逆变换按 :math:`1/n` 缩放，其中 `n` 表示输入 `x` 的元素数量。。
-          - "ortho"，正向变换与逆变换均按 :math:`1/sqrt(n)` 缩放。
+          - "ortho"，正向变换与逆变换均按 :math:`1/\sqrt(n)` 缩放。
-          - "forward"，正向变换按 :math:`1/sqrt(n)` 缩放，逆变换不缩放。
+          - "forward"，正向变换按 :math:`1/n` 缩放，逆变换不缩放。
   
         - **onesided** (bool，可选) - 控制输入是否减半以避免冗余。默认值：True。
         - **signal_sizes** (list，可选) - 原始信号的大小（RFFT变换之前的信号，不包含batch这一维），只有在IRFFT模式下和设置 `onesided=True` 时需要该参数。默认值： :math:`[]` 。

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

@@ -6,7 +6,7 @@ mindspore.ops.coo_sqrt
     逐元素返回当前COOTensor的平方根。
 
     .. math::
-        out_{i} = \\sqrt{x_{i}}
+        out_{i} = \sqrt{x_{i}}
 
     参数：
         - **x** (COOTensor) - 输入COOTensor，数据类型为number.Number，其rank需要在[0, 7]范围内.

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

@@ -6,7 +6,7 @@ mindspore.ops.csr_sqrt
     逐元素返回当前CSRTensor的平方根。
 
     .. math::
-        out_{i} = \\sqrt{x_{i}}
+        out_{i} = \sqrt{x_{i}}
 
     参数：
         - **x** (CSRTensor) - 输入CSRTensor，数据类型为number.Number，其rank需要在[0, 7]范围内.

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

@@ -18,7 +18,7 @@ mindspore.ops.gelu
     当 `approximate` 为 `tanh` ，GELU的定义如下：
 
     .. math::
-        GELU(x_i) = 0.5 * x_i * (1 + tanh[\sqrt{\\frac{2}{pi}}(x + 0.044715 * x_{i}^{3})] )
+        GELU(x_i) = 0.5 * x_i * (1 + tanh(\sqrt(2 / \pi) * (x_i + 0.044715 * x_i^3)))
 
     GELU相关图参见 `GELU <https://en.wikipedia.org/wiki/Activation_function#/media/File:Activation_gelu.png>`_ 。
 

mindspore/python/mindspore/nn/layer/activation.py

@@ -815,11 +815,11 @@ class GELU(Cell):
 
             If approximate is True, The gaussian error linear activation is:
 
-            :math:`0.5 * x * (1 + tanh(sqrt(2 / pi) * (x + 0.044715 * x^3)))`
+            :math:`0.5 * x * (1 + tanh(\sqrt(2 / \pi) * (x + 0.044715 * x^3)))`
 
             else, it is:
 
-            :math:`x * P(X <= x) = 0.5 * x * (1 + erf(x / sqrt(2)))`, where P(X) ~ N(0, 1).
+            :math:`x * P(X <= x) = 0.5 * x * (1 + erf(x / \sqrt(2)))`, where P(X) ~ N(0, 1).
 
     Inputs:
         - **x** (Tensor) - The input of GELU with data type of float16 or float32.

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

@@ -5262,7 +5262,7 @@ def gelu(input_x, approximate='none'):
     When `approximate` argument is `tanh`, GeLU is estimated with:
 
     .. math::
-        GELU(x_i) = 0.5 * x_i * (1 + tanh[\sqrt{\\frac{2}{pi}}(x + 0.044715 * x_{i}^{3})] )
+        GELU(x_i) = 0.5 * x_i * (1 + tanh(\sqrt(2 / \pi) * (x_i + 0.044715 * x_i^3)))
 
     Args:
         input_x (Tensor): The input of the activation function GeLU, the data type is float16, float32 or float64.

mindspore/python/mindspore/ops/operations/math_ops.py

@@ -7155,7 +7155,7 @@ class FFTWithSize(Primitive):
 
             - "backward" has the direct transforms unscaled and the inverse transforms scaled by 1/n,
               where n is the input x's element numbers.
-            - "ortho" has both direct and inverse transforms are scaled by 1/sqrt(n).
+            - "ortho" has both direct and inverse transforms are scaled by 1/\sqrt(n).
             - "forward" has the direct transforms scaled by 1/n and the inverse transforms unscaled.
 
         onesided (bool, optional): Controls whether the input is halved to avoid redundancy. Default: True.