modify format

docs/api/api_python/mindspore/Tensor/mindspore.Tensor.tile.rst

@@ -1,7 +1,7 @@
 mindspore.Tensor.tile
 =====================
 
-.. py:class:: mindspore.Tensor.tile(multiples)
+.. py:method:: mindspore.Tensor.tile(multiples)
 
     按照给定的次数复制输入Tensor。
 

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

@@ -1,7 +1,7 @@
 mindspore.ops.CustomRegOp
 =========================
 
-.. py:class:: mindspore.ops.CustomRegOp(op_name)
+.. py:class:: mindspore.ops.CustomRegOp(op_name="Custom")
 
     用于为 :class:`mindspore.ops.Custom` 的 `func` 参数生成算子注册信息的类。注册信息主要指定了 `func` 的输入和输出Tensor所支持的数据类型和数据格式、属性以及target信息。
 
@@ -21,7 +21,7 @@ mindspore.ops.CustomRegOp
               - "dynamic": 表示第 `index` 个输入存在且Tensor个数可能为多个，比如AddN算子的输入属于这种情况。
               - "optional": 表示第 `index` 个输入存在且为单个Tensor，或者也可能不存在。
 
-            - **kwargs** (dict) - 表示输入的其他信息，用于扩展。
+            - **\*\*kwargs** (dict) - 表示输入的其他信息，用于扩展。
 
         异常：
             - **TypeError** - `index` 既不是int也不是None。
@@ -41,7 +41,7 @@ mindspore.ops.CustomRegOp
               - "dynamic": 表示第 `index` 个输出存在且Tensor个数可能为多个。
               - "optional": 表示第 `index` 个输出存在且为单个Tensor，或者也可能不存在。
 
-            - **kwargs** (dict) - 表示输出的其他信息，用于扩展。
+            - **\*\*kwargs** (dict) - 表示输出的其他信息，用于扩展。
 
         异常：
             - **TypeError** - `index` 既不是int也不是None。
@@ -53,7 +53,7 @@ mindspore.ops.CustomRegOp
         指定 :class:`mindspore.ops.Custom` 的 `func` 参数的每个输入Tensor和输出Tensor所支持的数据类型和数据格式。正如上面给出的样例，该函数应在 `input` 和 `output` 函数之后被调用。
 
         参数：
-            - **args** (tuple) - 表示（数据类型、格式）组合的列表，`args` 的长度应该等于输入Tensor和输出Tensor数目的总和。 `args` 中的每一项也是一个tuple，tuple[0]和tuple[1]都是str类型，分别指定了一个Tensor的数据类型和数据格式。 :class:`mindspore.ops.DataType` 提供了很多预定义的（数据类型、格式）组合，例如 `DataType.F16_Default` 表示数据类型是float16，数据格式是默认格式。
+            - **\*args** (tuple) - 表示（数据类型、格式）组合的列表，`args` 的长度应该等于输入Tensor和输出Tensor数目的总和。 `args` 中的每一项也是一个tuple，tuple[0]和tuple[1]都是str类型，分别指定了一个Tensor的数据类型和数据格式。 :class:`mindspore.ops.DataType` 提供了很多预定义的（数据类型、格式）组合，例如 `DataType.F16_Default` 表示数据类型是float16，数据格式是默认格式。
 
         异常：
             - **ValueError** - `args` 的长度不等于输入Tensor和输出Tensor数目的总和。
@@ -81,7 +81,7 @@ mindspore.ops.CustomRegOp
               - "listFloat": Python list of float类型的字符串表示。
 
             - **default_value** (str) - 表示属性的默认值。 `default_value` 和 `value_type` 配合使用。如果属性实际的默认值为1.0，那么 `value_type` 是"float", `default_value` 是"1.0"。如果属性实际的默认值是[1, 2, 3]，那么 `value_type` 是"listInt", `default_value` 是"1,2,3"，其中数值通过','分割。如果该值为None，键"default_value"将不会出现在属性信息字典中。目前用于"akg"、"aicpu"和"tbe"类型的自定义算子。默认值：None。
-            - **kwargs** (dict) - 表示属性的其他信息，用于扩展。
+            - **\*\*kwargs** (dict) - 表示属性的其他信息，用于扩展。
 
         异常：
             - **TypeError** - `name` 既不是str也不是None。

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

@@ -1,7 +1,7 @@
-mindspore.ops.func_bias_add
+mindspore.ops.bias_add
 ===========================
 
-.. py:class:: mindspore.ops.bias_add(input_x, bias)
+.. py:function:: mindspore.ops.bias_add(input_x, bias)
 
     返回输入Tensor与偏置Tensor之和。相加前会把偏置Tensor广播成与输入Tensor的shape一致。
 

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

@@ -25,7 +25,7 @@ mindspore.ops.binary_cross_entropy
 
     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。
+        - **labels** (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。
         - **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' 。
 

mindspore/python/mindspore/nn/loss/loss.py

@@ -2121,7 +2121,7 @@ class KLDivLoss(LossBase):
         - **logits** (Tensor) - The input Tensor. The data type must be float16, float32 or float64.
         - **labels** (Tensor) - The label Tensor which has the same shape and data type as `logits`.
 
-    Returns:
+    Outputs:
         Tensor or Scalar, if `reduction` is 'none', then output is a tensor and has the same shape as `logits`.
         Otherwise, it is a scalar.
 

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

@@ -5193,7 +5193,7 @@ def bmm(input_x, mat2):
             size of the last two dimensions.
         mat2 (Tensor): The second tensor to be multiplied. The shape of the tensor is :math:`(*B, C, M)`.
 
-    Outputs:
+    Returns:
         Tensor, the shape of the output tensor is :math:`(*B, N, M)`.
 
     Raises:

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

@@ -2816,7 +2816,7 @@ def adaptive_max_pool1d(input_x, output_size):
         input_x (Tensor): Tensor of shape :math:`(N, C_{in}, L_{in})`, with float16 or float32 data type.
         output_size (int): the target output size :math:`L_{out}`.
 
-    Outputs:
+    Returns:
         Tensor of shape :math:`(N, C_{in}, L_{out})`, has the same type as `input_x`.
 
     Raises: