diff --git a/docs/api/api_python/mindspore.ops.functional.rst b/docs/api/api_python/mindspore.ops.functional.rst
index f0fdb9ebc20..e481ac93bc4 100644
--- a/docs/api/api_python/mindspore.ops.functional.rst
+++ b/docs/api/api_python/mindspore.ops.functional.rst
@@ -337,6 +337,7 @@ Array操作
     mindspore.ops.adaptive_max_pool2d
     mindspore.ops.affine_grid
     mindspore.ops.batch_to_space_nd
+    mindspore.ops.binary_cross_entropy_with_logits
     mindspore.ops.broadcast_to
     mindspore.ops.col2im
     mindspore.ops.concat
diff --git a/docs/api/api_python/nn/mindspore.nn.BCEWithLogitsLoss.rst b/docs/api/api_python/nn/mindspore.nn.BCEWithLogitsLoss.rst
index e698f1de98b..626cb92cf18 100644
--- a/docs/api/api_python/nn/mindspore.nn.BCEWithLogitsLoss.rst
+++ b/docs/api/api_python/nn/mindspore.nn.BCEWithLogitsLoss.rst
@@ -3,7 +3,7 @@ mindspore.nn.BCEWithLogitsLoss
 
 .. py:class:: mindspore.nn.BCEWithLogitsLoss(reduction='mean', weight=None, pos_weight=None)
 
-    输入经过sigmoid激活函数后作为预测值，BCEWithLogitsLoss计算预测值和目标值之间的二值交叉熵损失。
+    输入经过sigmoid激活函数后作为预测值，`BCEWithLogitsLoss` 计算预测值和目标值之间的二值交叉熵损失。
 
     将输入 `logits` 设置为 :math:`X`，输入 `labels` 为 :math:`Y`，输出为 :math:`L`。则公式如下：
 
@@ -24,7 +24,7 @@ mindspore.nn.BCEWithLogitsLoss
 
     **参数：**
 
-    - **reduction** (str) - 指定输出结果的计算方式。可选值有：'mean'，'sum'，和'none'。如果为'none'，则不执行reduction。默认值：'mean'。
+    - **reduction** (str) - 指定输出结果的计算方式。可选值有：`mean` ， `sum` ，和 `none` 。如果为 `none` ，则不执行reduction。默认值：`mean` 。
     - **weight** (Tensor, optional) - 指定每个批次二值交叉熵的权重。如果不是None，将进行广播，其shape与 `logits` 的shape保持一致，数据类型为float16或float32。默认值：None。
     - **pos_weight** (Tensor, optional) - 指定正样本的权重。是一个长度等于分类数的向量。如果不是None，将进行广播，其shape与 `logits` 的shape保持一致，数据类型必须为float16或float32。默认值：None。
 
@@ -35,7 +35,7 @@ mindspore.nn.BCEWithLogitsLoss
 
     **输出：**
 
-    Tensor或Scalar，如果 `reduction` 为"none"，其shape需和 `logits` 相同。否则，将返回Scalar。
+    Tensor或Scalar，如果 `reduction` 为 `none` ，其shape需和 `logits` 相同。否则，将返回Scalar。
 
     **异常：**
 
@@ -43,6 +43,6 @@ mindspore.nn.BCEWithLogitsLoss
     - **TypeError** - `weight` 或 `pos_weight` 是 Parameter。
     - **TypeError** - `weight` 或 `pos_weight` 的数据类型既不是float16也不是float32。
     - **ValueError** - `weight` 或 `pos_weight` 不能广播到shape为 `logits` 的Tensor。
-    - **ValueError** - `reduction` 不为'none'、'mean'或'sum'。
+    - **ValueError** - `reduction` 不为 `none` 、`mean` 或 `sum` 。
 
     
diff --git a/docs/api/api_python/ops/mindspore.ops.BCEWithLogitsLoss.rst b/docs/api/api_python/ops/mindspore.ops.BCEWithLogitsLoss.rst
index 21a22d50946..a305d79a704 100644
--- a/docs/api/api_python/ops/mindspore.ops.BCEWithLogitsLoss.rst
+++ b/docs/api/api_python/ops/mindspore.ops.BCEWithLogitsLoss.rst
@@ -3,7 +3,7 @@ mindspore.ops.BCEWithLogitsLoss
 
 .. py:class:: mindspore.ops.BCEWithLogitsLoss(reduction='mean')
 
-    输入经过sigmoid激活函数后作为预测值，BCEWithLogitsLoss计算预测值和目标值之间的二值交叉熵损失。
+    输入经过sigmoid激活函数后作为预测值，`BCEWithLogitsLoss` 计算预测值和目标值之间的二值交叉熵损失。
 
     将输入 `logits` 设置为 :math:`X` ，输入 `labels` 设置为 :math:`Y` ，输入 `weight` 设置为 :math:`W` ，输出设置为 :math:`L` 。则，
 
@@ -25,7 +25,7 @@ mindspore.ops.BCEWithLogitsLoss
 
     **参数：**
 
-    - **reduction** (str) - 指定用于输出结果的计算方式。取值为'mean'、'sum'或'none'，不区分大小写。如果'none'，则不执行reduction。默认值：'mean'。
+    - **reduction** (str) - 指定用于输出结果的计算方式。取值为 `mean` 、 `sum` 或 `none` ，不区分大小写。如果 `none` ，则不执行 `reduction` 。默认值：`mean` 。
 
     **输入：**
 
@@ -36,10 +36,10 @@ mindspore.ops.BCEWithLogitsLoss
 
     **输出：**
 
-    Tensor或Scalar，如果 `reduction` 为'none'，则为shape和数据类型与输入'logits'相的Tensor。否则，输出为Scalar。
+    Tensor或Scalar，如果 `reduction` 为 `none` ，则为shape和数据类型与输入 `logits` 相同的Tensor。否则，输出为Scalar。
 
     **异常：**
 
     - **TypeError** - 任何输入的数据类型既不是float16也不是float32。
     - **ValueError** - `weight` 或 `pos_weight` 不能广播到shape为 `logits` 的Tensor。
-    - **ValueError** - `reduction` 不为'none'、'mean'或'sum'。
\ No newline at end of file
+    - **ValueError** - `reduction` 不为 `none` 、 `mean` 或 `sum` 。
\ No newline at end of file
diff --git a/docs/api/api_python/ops/mindspore.ops.func_binary_cross_entropy_with_logits.rst b/docs/api/api_python/ops/mindspore.ops.func_binary_cross_entropy_with_logits.rst
new file mode 100644
index 00000000000..63bf2968ac9
--- /dev/null
+++ b/docs/api/api_python/ops/mindspore.ops.func_binary_cross_entropy_with_logits.rst
@@ -0,0 +1,42 @@
+mindspore.ops.binary_cross_entropy_with_logits
+==============================================
+
+.. py:function:: mindspore.ops.binary_cross_entropy_with_logits(logits, label, weight, pos_weight, reduction='mean')
+
+    输入经过sigmoid激活函数后作为预测值，`binary_cross_entropy_with_logits` 计算预测值和目标值之间的二值交叉熵损失。
+
+    将输入 `logits` 设置为 :math:`X` ，输入 `labels` 设置为 :math:`Y` ，输入 `weight` 设置为 :math:`W` ，输出设置为 :math:`L` 。则，
+
+    .. math::
+        \begin{array}{ll} \\
+            L_{ij} = -W_{ij}[Y_{ij}log(X_{ij}) + (1 - Y_{ij})log(1 - X_{ij})]
+        \end{array}
+
+    :math:`i` 表示 :math:`i^{th}` 样例， :math:`j` 表示类别。则，
+
+    .. math::
+        \ell(x, y) = \begin{cases}
+        L, & \text{if reduction} = \text{'none';}\\
+        \operatorname{mean}(L), & \text{if reduction} = \text{'mean';}\\
+        \operatorname{sum}(L),  & \text{if reduction} = \text{'sum'.}
+        \end{cases}
+
+    :math:`\ell` 表示计算损失的方法。有三种方法：第一种方法是直接提供损失值，第二种方法是计算所有损失的平均值，第三种方法是计算所有损失的总和。
+
+    **参数：**
+
+    - **logits** (Tensor) - 输入预测值，任意维度的Tensor。其数据类型为float16或float32。
+    - **label** (Tensor) - 输入目标值，shape与 `logits` 相同。数据类型为float16或float32。
+    - **weight** (Tensor) - 指定每个批次二值交叉熵的权重。支持广播，使其shape与 `logits` 的shape保持一致。数据类型必须为float16或float32。
+    - **pos_weight** (Tensor) - 指定正类的权重。是一个长度等于分类数的向量。支持广播，使其shape与 `logits` 的shape保持一致。数据类型必须为float16或float32。
+    - **reduction** (str) - 指定用于输出结果的计算方式。取值为 `mean` 、 `sum` 或 `none` ，不区分大小写。如果 `none` ，则不执行 `reduction` 。默认值：`mean` 。
+
+    **返回：**
+
+    Tensor或Scalar，如果 `reduction` 为 `none` ，则为shape和数据类型与输入 `logits` 相同的Tensor。否则，输出为Scalar。
+
+    **异常：**
+
+    - **TypeError** - 任何输入的数据类型既不是float16也不是float32。
+    - **ValueError** - `weight` 或 `pos_weight` 不能广播到shape为 `logits` 的Tensor。
+    - **ValueError** - `reduction` 不为 `none` 、 `mean` 或 `sum` 。
\ No newline at end of file
diff --git a/docs/api/api_python_en/mindspore.ops.functional.rst b/docs/api/api_python_en/mindspore.ops.functional.rst
index d052c49b7a8..a8f58bd0a4d 100644
--- a/docs/api/api_python_en/mindspore.ops.functional.rst
+++ b/docs/api/api_python_en/mindspore.ops.functional.rst
@@ -336,6 +336,7 @@ Array Operation
     mindspore.ops.adaptive_max_pool2d
     mindspore.ops.affine_grid
     mindspore.ops.batch_to_space_nd
+    mindspore.ops.binary_cross_entropy_with_logits
     mindspore.ops.broadcast_to
     mindspore.ops.col2im
     mindspore.ops.concat
diff --git a/mindspore/python/mindspore/common/tensor.py b/mindspore/python/mindspore/common/tensor.py
index 0f94ecf6535..20e4d72e32a 100644
--- a/mindspore/python/mindspore/common/tensor.py
+++ b/mindspore/python/mindspore/common/tensor.py
@@ -1370,8 +1370,8 @@ class Tensor(Tensor_):
             >>> input_x = Tensor(np.array([[[-4.5, -1.5], [7.0, 6.0]], [[2.5, 0.5], [3.0, 9.0]]]), mindspore.float32)
             >>> sign, output  = input_x.log_matrix_determinant()
             >>> print(sign)
-            >>> print(output)
             [-1.   1.]
+            >>> print(output)
             [2.80336046e+00    3.04452229e+00]
         """
         self._init_check()
diff --git a/mindspore/python/mindspore/ops/function/math_func.py b/mindspore/python/mindspore/ops/function/math_func.py
index ec52371635e..47bc0695b33 100644
--- a/mindspore/python/mindspore/ops/function/math_func.py
+++ b/mindspore/python/mindspore/ops/function/math_func.py
@@ -2162,8 +2162,8 @@ def log_matrix_determinant(x):
         >>> input_x = Tensor(np.array([[[-4.5, -1.5], [7.0, 6.0]], [[2.5, 0.5], [3.0, 9.0]]]), mindspore.float32)
         >>> sign, output = ops.log_matrix_determinant(input_x)
         >>> print(sign)
-        >>> print(output)
         [-1.   1.]
+        >>> print(output)
         [2.80336046e+00    3.04452229e+00]
     """
     return log_matrix_determinant_(x)
diff --git a/mindspore/python/mindspore/ops/operations/math_ops.py b/mindspore/python/mindspore/ops/operations/math_ops.py
index 25091ab93a1..faababdfd4a 100644
--- a/mindspore/python/mindspore/ops/operations/math_ops.py
+++ b/mindspore/python/mindspore/ops/operations/math_ops.py
@@ -5297,8 +5297,8 @@ class LogMatrixDeterminant(Primitive):
         >>> op = LogMatrixDeterminant()
         >>> sign, output = op(input_x)
         >>> print(sign)
-        >>> print(output)
         [-1.   1.]
+        >>> print(output)
         [2.80336046e+00    3.04452229e+00]
     """