fix error format for chinese python API.

docs/api/api_python/dataset/mindspore.dataset.Dataset.rst

@@ -155,7 +155,8 @@
           `special_first` 设置为默认值，则将 `special_tokens` 添加到词汇表最前面。
 
         **返回：**
-            从数据集对象中构建出的词汇表对象。
+
+        从数据集对象中构建出的词汇表对象。
 
         **样例：**
 
@@ -324,7 +325,8 @@
         - **func** (function) - 输入'ndarray'并返回一个'Dataset'对象的函数。
 
         **返回：**
-            执行给定操作的数据集对象。
+
+        执行给定操作的数据集对象。
 
         **样例：**
 

docs/api/api_python/dataset/mindspore.dataset.SequentialSampler.rst

@@ -10,7 +10,7 @@ mindspore.dataset.SequentialSampler
     - **start_index** (int, optional): 开始采样的索引。（默认值为None，从第一个ID开始）
     - **num_samples** (int, optional): 要采样的元素数量。（默认值为None，采样所有元素）
 
-    *样例：**
+    **样例：**
 
     >>> # 创建SequentialSampler
     >>> sampler = ds.SequentialSampler()

docs/api/api_python/mindspore.common.initializer.rst

@@ -11,37 +11,37 @@ mindspore.common.initializer
 
     - **kwargs** (dict) – `Initializer` 的关键字参数。
 
-    .. py:method:: mindspore.common.initializer.initializer(init, shape=None, dtype=mstype.float32)
+.. py:function:: mindspore.common.initializer.initializer(init, shape=None, dtype=mstype.float32)
 
-        创建并初始化一个Tensor。
+    创建并初始化一个Tensor。
 
-        **参数：**
+    **参数：**
 
-        - **init** (Union[Tensor, str, Initializer, numbers.Number]) – 初始化方式。
+    - **init** (Union[Tensor, str, Initializer, numbers.Number]) – 初始化方式。
 
-          - **str** - `init` 是继承自 `Initializer` 的类的别名，实际使用时会调用相应的类。`init` 的值可以是"normal"、"ones"或"zeros"等。
-          - **Initializer** - `init` 是继承自 `Initializer` ，用于初始化Tensor的类。
-          - **numbers.Number** - 调用常量来初始化张量。
+      - **str** - `init` 是继承自 `Initializer` 的类的别名，实际使用时会调用相应的类。`init` 的值可以是"normal"、"ones"或"zeros"等。
+      - **Initializer** - `init` 是继承自 `Initializer` ，用于初始化Tensor的类。
+      - **numbers.Number** - 调用常量来初始化张量。
 
-        - **shape** (Union[[tuple, list, int]) - 被初始化的Tensor的shape，默认值为None。
-        - **dtype** (mindspore.dtype) – 被初始化的Tensor的数据类型，默认值为 `mindspore.float32` 。
+    - **shape** (Union[[tuple, list, int]) - 被初始化的Tensor的shape，默认值为None。
+    - **dtype** (mindspore.dtype) – 被初始化的Tensor的数据类型，默认值为 `mindspore.float32` 。
 
-        **返回：**
+    **返回：**
 
-        Tensor，返回一个张量对象。
+    Tensor，返回一个张量对象。
 
-        **异常：**
+    **异常：**
 
-        - **TypeError** - 参数 `init` 的类型不正确。
-        - **ValueError** - 通过 `init` 传入的Tensor的shape和作为参数传入的shape不一致。
+    - **TypeError** - 参数 `init` 的类型不正确。
+    - **ValueError** - 通过 `init` 传入的Tensor的shape和作为参数传入的shape不一致。
 
-        **样例：**
+    **样例：**
 
-        >>> import mindspore
-        >>> from mindspore.common.initializer import initializer, One
-        >>> tensor = initializer('ones', [1, 2, 3], mindspore.float32)
-        >>> tensor = initializer(One(), [1, 2, 3], mindspore.float32)
-        >>> tensor = initializer(0, [1, 2, 3], mindspore.float32)
+    >>> import mindspore
+    >>> from mindspore.common.initializer import initializer, One
+    >>> tensor = initializer('ones', [1, 2, 3], mindspore.float32)
+    >>> tensor = initializer(One(), [1, 2, 3], mindspore.float32)
+    >>> tensor = initializer(0, [1, 2, 3], mindspore.float32)
 
 .. py:class:: mindspore.common.initializer.TruncatedNormal(sigma=0.01)
 

docs/api/api_python/mindspore.context.rst

@@ -1,11 +1,9 @@
 mindspore.context
 ===================
 
-.. py:class:: mindspore.context
+MindSpore上下文，用于配置当前执行环境，包括执行模式、执行后端和其他特性开关。
 
-    MindSpore上下文，用于配置当前执行环境，包括执行模式、执行后端和其他特性开关。
-
-.. py:function:: set_context(**kwargs)
+.. py:function:: mindspore.context.set_context(**kwargs)
 
     设置运行环境的上下文。
 
@@ -167,7 +165,7 @@
     >>> context.set_context(load_compile_cache=True)
     >>> context.set_context(pynative_synchronize=True)
 
-.. py:function:: get_context(attr_key)
+.. py:function:: mindspore.context.get_context(attr_key)
 
     根据输入key获取上下文中的属性值。如果某些属性没有设置，则会自动获取这些属性。
 
@@ -188,7 +186,7 @@
     >>> context.get_context("device_target")
     >>> context.get_context("device_id")
 
-.. py:function:: set_auto_parallel_context(**kwargs)
+.. py:function:: mindspore.context.set_auto_parallel_context(**kwargs)
 
     配置自动并行，仅在Ascend和GPU上有效。
 
@@ -261,7 +259,7 @@
     >>> context.set_auto_parallel_context(all_reduce_fusion_config=[8, 160])
     >>> context.set_auto_parallel_context(pipeline_stages=2)
 
-.. py:function:: get_auto_parallel_context(attr_key)
+.. py:function:: mindspore.context.get_auto_parallel_context(attr_key)
 
     根据key获取自动并行的配置。
 
@@ -277,7 +275,7 @@
 
     **ValueError**：输入key不在自动并行的配置列表中。
 
-.. py:function:: reset_auto_parallel_context()
+.. py:function:: mindspore.context.reset_auto_parallel_context()
 
     重置自动并行的配置为默认值。
 
@@ -308,7 +306,7 @@
 
     MODE_LIST：表示所有支持的并行模式的列表。
 
-.. py:function:: set_ps_context(**kwargs)
+.. py:function:: mindspore.context.set_ps_context(**kwargs)
 
     设置参数服务器训练模式的上下文。
 
@@ -343,7 +341,7 @@
 
     >>> context.set_ps_context(enable_ps=True, enable_ssl=True, client_password='123456', server_password='123456')
 
-.. py:function:: get_ps_context(attr_key)
+.. py:function:: mindspore.context.get_ps_context(attr_key)
 
     根据key获取参数服务器训练模式上下文中的属性值。
 
@@ -370,8 +368,7 @@
 
     >>> context.get_ps_context(enable_ps)
 
-
-.. py:function:: reset_ps_context()
+.. py:function:: mindspore.context.reset_ps_context()
 
     将参数服务器训练模式上下文中的属性重置为默认值。各字段的含义及其默认值见'set_ps_context'接口。
 

docs/api/api_python/mindspore/mindspore.LossScaleManager.rst

@@ -3,11 +3,11 @@ mindspore.LossScaleManager
 
 .. py:class:: mindspore.LossScaleManager
 
-   混合精度梯度放大系数（loss scale）管理器的抽象类。
+    混合精度梯度放大系数（loss scale）管理器的抽象类。
 
-   派生类需要实现该类的所有方法。 `get_loss_scale` 用于获取当前的梯度放大系数。 `update_loss_scale` 用于更新梯度放大系数，该方法将在训练过程中被调用。 `get_update_cell` 用于获取更新梯度放大系数的 `Cell` 实例，该实例将在训练过程中被调用。当前多使用 `get_update_cell` 方式。
+    派生类需要实现该类的所有方法。 `get_loss_scale` 用于获取当前的梯度放大系数。 `update_loss_scale` 用于更新梯度放大系数，该方法将在训练过程中被调用。 `get_update_cell` 用于获取更新梯度放大系数的 `Cell` 实例，该实例将在训练过程中被调用。当前多使用 `get_update_cell` 方式。
 
-   例如：:class:`mindspore.FixedLossScaleManager` 和 :class:`mindspore.DynamicLossScaleManager` 。
+    例如：:class:`mindspore.FixedLossScaleManager` 和 :class:`mindspore.DynamicLossScaleManager` 。
 
     .. py:method:: get_loss_scale()
 

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

@@ -9,7 +9,7 @@ mindspore.nn.DynamicLossScaleUpdateCell
 
     该类是 :class:`mindspore.nn.DynamicLossScaleManager` 的 `get_update_cell` 方法的返回值。训练过程中，类 :class:`mindspore.TrainOneStepWithLossScaleCell` 会调用该Cell来更新梯度放大系数。
 
-   **参数：**
+    **参数：**
 
     - **loss_scale_value** (float) - 初始的梯度放大系数。
     - **scale_factor** (int) - 增减系数。
@@ -28,7 +28,7 @@ mindspore.nn.DynamicLossScaleUpdateCell
 
     ``Ascend`` ``GPU``
 
-   **样例：**
+    **样例：**
 
     >>> import numpy as np
     >>> from mindspore import Tensor, Parameter, nn

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

@@ -60,11 +60,11 @@ mindspore.nn.FTRL
     - **grads** (tuple[Tensor]) - 优化器中 `params` 的梯度，shape与优化器中的 `params` 相同。
 
 
-   **输出：**
+    **输出：**
 
     tuple[Parameter]，更新的参数，shape与 `params` 相同。
 
-   **异常：**
+    **异常：**
 
     - **TypeError** - `initial_accum`、`learning_rate`、`lr_power`、`l1`、`l2` 或 `loss_scale` 不是float。
     - **TypeError** - `parameters` 的元素不是Parameter或dict。
@@ -74,11 +74,11 @@ mindspore.nn.FTRL
     - **ValueError** - `loss_scale` 小于等于0。
     - **ValueError** - `initial_accum`、`l1` 或 `l2` 小于0。
 
-   **支持平台：**
+    **支持平台：**
 
     ``Ascend`` ``GPU`` ``CPU``
 
-   **样例：**
+    **样例：**
 
     >>> net = Net()
     >>> #1) 所有参数使用相同的学习率和权重衰减
@@ -100,4 +100,4 @@ mindspore.nn.FTRL
     >>> model = Model(net, loss_fn=loss, optimizer=optim)
 
 
-.. include::mindspore.nn.optim_target_unique_for_sparse.rst
+.. include:: mindspore.nn.optim_target_unique_for_sparse.rst

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

@@ -7,7 +7,7 @@ mindspore.nn.FixedLossScaleUpdateCell
 
     该类是 :class:`mindspore.nn.FixedLossScaleManager` 的 `get_update_cell` 方法的返回值。训练过程中，类 :class:`mindspore.TrainOneStepWithLossScaleCell` 会调用该Cell。
 
-   **参数：**
+    **参数：**
 
     - **loss_scale_value** (float) - 初始梯度放大系数。
 
@@ -24,7 +24,7 @@ mindspore.nn.FixedLossScaleUpdateCell
 
     ``Ascend`` ``GPU``
 
-   **样例：**
+    **样例：**
 
     >>> import numpy as np
     >>> from mindspore import Tensor, Parameter, nn, ops

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

@@ -12,7 +12,7 @@ mindspore.nn.MAE
 
     这里， :math:`n` 是bach size。
 
-   **样例：**
+    **样例：**
 
     >>> import numpy as np
     >>> from mindspore import nn, Tensor
@@ -35,11 +35,11 @@ mindspore.nn.MAE
         计算平均绝对差（MAE）。
 
         **返回：**
-        
+
         numpy.float64，计算结果。
 
         **异常：**
-        
+
         - **RuntimeError** - 样本总数为0。
 
     .. py:method:: update(*inputs)
@@ -51,5 +51,5 @@ mindspore.nn.MAE
         - **inputs** - 输入 `y_pred` 和 `y` 来计算MAE，其中 `y_pred` 和 `y` 的shape都是N-D，它们的shape相同。
 
         **异常：**
-            
+
         - **ValueError** - `inputs` 的数量不等于2。

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

@@ -129,4 +129,4 @@ mindspore.nn.Optimizer
 
         tuple[Tensor]，还原后的梯度。
 
-    .. include:: mindspore.nn.optim_target_unique_for_sparse.rst
+.. include:: mindspore.nn.optim_target_unique_for_sparse.rst

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

@@ -1,4 +1,4 @@
-mindspore.nn.polynomial_decay_lr
+mindspore.nn.PolynomialDecayLR
 ====================================
 
 .. py:class:: mindspore.nn.PolynomialDecayLR(learning_rate, end_learning_rate, decay_steps, power, update_decay_steps=False)

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

@@ -30,10 +30,10 @@ mindspore.nn.WarmUpLR
 
     **异常：**
 
-    - **TypeError** - ** `learning_rate` 不是float。
-    - **TypeError** - ** `warmup_steps` 不是int。
-    - **ValueError：** `warmup_steps` 小于1。
-    - **ValueError：** `learning_rate` 小于或等于0。
+    - **TypeError** - `learning_rate` 不是float。
+    - **TypeError** - `warmup_steps` 不是int。
+    - **ValueError** - `warmup_steps` 小于1。
+    - **ValueError** - `learning_rate` 小于或等于0。
 
     **支持平台：**
 

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

@@ -5,7 +5,7 @@ mindspore.nn.get_metric_fn
 
     根据输入的 `name` 获取metric的方法。
 
-   **参数：**
+    **参数：**
 
     - **name** (str) - metric的方法名，可以通过 :class:`mindspore.nn.names` 接口获取。
     - **args** - metric函数的参数。

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

@@ -5,7 +5,6 @@ mindspore.nn.names
 
     获取所有metric的名称。
 
-   **返回：**
-    
+    **返回：**
+
     List，所有metric的名称列表。
-