fix en docs problem.

docs/api/api_python/mindspore.boost.rst

@@ -258,7 +258,7 @@ Boost能够自动加速网络，如减少BN/梯度冻结/累积梯度等。
     
         **返回：**
     
-        number，网络训练过程中得到的loss值。
+        Tensor，网络训练过程中得到的loss值。
     
     .. py:method:: check_adasum_enable()
     
@@ -289,7 +289,7 @@ Boost能够自动加速网络，如减少BN/梯度冻结/累积梯度等。
     
         **返回：**
     
-        number，网络训练过程中得到的loss值。
+        Tensor，网络训练过程中得到的loss值。
 
     .. py:method:: gradient_freeze_process(*inputs)
     
@@ -301,7 +301,7 @@ Boost能够自动加速网络，如减少BN/梯度冻结/累积梯度等。
     
         **返回：**
     
-        number，网络训练过程中得到的loss值。
+        Tensor，网络训练过程中得到的loss值。
 
 .. py:class:: mindspore.boost.BoostTrainOneStepWithLossScaleCell(network, optimizer, scale_sense)
 
@@ -437,7 +437,7 @@ Boost能够自动加速网络，如减少BN/梯度冻结/累积梯度等。
 
     **输出：**
 
-    - **Tuple** (Tensor) - adasum处理后更新的权重。
+    - **adasum_parameters** (Tuple(Tensor)) - adasum处理后更新的权重。
 
 .. py:class:: mindspore.boost.DimReduce(network, optimizer, weight, pca_mat_local, n_components, rho, gamma, alpha, sigma, rank, rank_size)
 

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

@@ -539,6 +539,28 @@
 
         - **ValueError** – 如果 `dst_type` 不是 `mindspore.dtype.float32` ，也不是 `mindspore.dtype.float16`。
 
+    .. py:method:: set_boost(boost_type)
+
+        为了提升网络性能，可以配置boost内的算法让框架自动使能该算法来加速网络训练。
+
+        请确保 `boost_type` 所选择的算法在
+        `algorithm library <https://gitee.com/mindspore/mindspore/tree/master/mindspore/python/mindspore/boost>`_ 算法库中。
+
+        .. note:: 部分加速算法可能影响网络精度，请谨慎选择。
+
+        **参数：**
+
+        - **boost_type** (str) – 加速算法。
+
+        **返回：**
+
+        Cell类型，Cell本身。
+
+        **异常：**
+
+        - **ValueError** – 如果 `boost_type` 不在boost算法库内。
+
+
     .. py:method:: trainable_params(recurse=True)
 
         返回Cell的可训练参数。

mindspore/python/mindspore/boost/boost_cell_wrapper.py

@@ -241,7 +241,7 @@ class BoostTrainOneStepCell(TrainOneStepCell):
             inputs (tuple(Tensor)): Tuple of input tensors with shape :math:`(N, \ldots)`.
 
         Outputs:
-            - **loss** (Tensor) -  Tensor with shape :math:`()`.
+            - **loss** (Tensor) -  Network loss, tensor with shape :math:`()`.
         """
         if self.train_strategy is None:
             step = self.step
@@ -264,9 +264,10 @@ class BoostTrainOneStepCell(TrainOneStepCell):
             loss (Tensor): Tensor with shape :math:`()`.
             grads (tuple(Tensor)): Tuple of gradient tensors.
             sens (Tensor): Tensor with shape :math:`()`.
+            inputs (tuple(Tensor)): Tuple of input tensors with shape :math:`(N, \ldots)`.
 
         Outputs:
-            - **loss** (Tensor) -  Tensor with shape :math:`()`.
+            - **loss** (Tensor) -  Network loss, tensor with shape :math:`()`.
         """
         loss = F.depend(loss, self.hyper_map(F.partial(gradient_accumulation_op, self.max_accumulation_step),
                                              self.grad_accumulation, grads))
@@ -296,7 +297,7 @@ class BoostTrainOneStepCell(TrainOneStepCell):
             grads (tuple(Tensor)): Tuple of gradient tensors.
 
         Outputs:
-            - **loss** (Tensor) -  Tensor with shape :math:`()`.
+            - **loss** (Tensor) -  Network loss, tensor with shape :math:`()`.
         """
         loss = F.depend(loss, self.optimizer(grads))
         rank_weights = self.weights[self.start[self.server_rank]: self.end[self.server_rank]]