!27481 Correct api for pynative

Merge pull request !27481 from JoyLvliang/correct_api_des_for_pynative

docs/api/api_python/mindspore/mindspore.ms_function.rst

@@ -11,14 +11,19 @@ mindspore.ms_function
 
     - **fn**  (Function) - 要编译成图的Python函数。默认值：None。
     - **obj**  (Object) - 用于区分编译后函数的Python对象。默认值：None。
-    - **input_signature** (Tensor) - 用于表示输入参数的Tensor。Tensor的shape和dtype将作为函数的输入shape和dtype。如果指定了 `input_signature` ，则 `fn` 的每个输入都必须是Tensor。
-            
-    并且 `fn` 的输入参数将不会接受 `\**kwargs` 参数。实际输入的shape和dtype必须与 `input_signature` 的相同。否则，将引发TypeError。默认值：None。
+    - **input_signature** (Tensor) - 用于表示输入参数的Tensor。Tensor的shape和dtype将作为函数的输入shape和dtype。默认值：None。
+
+    .. note::
+        - 如果指定了 `input_signature` ，则 `fn` 的每个输入都必须是Tensor。并且 `fn` 的输入参数将不会接受 `**kwargs` 参数。
 
     **返回：**
 
     函数，如果 `fn` 不是None，则返回一个已经将输入 `fn` 编译成图的可执行函数；如果 `fn` 为None，则返回一个装饰器。当这个装饰器使用单个 `fn` 参数进行调用时，等价于 `fn` 不是None的场景。
 
+    **异常：**
+
+    - **TypeError** – 如果指定了 `input_signature`，但是实际输入的shape和dtype与 `input_signature` 的不相同。
+
     **支持平台：**
 
     ``Ascend`` ``GPU`` ``CPU``

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

@@ -60,7 +60,7 @@
     .. py:method:: bprop_debug
         :property:
 
-        获取自定义反向传播调试功能是否已启用。
+        在图模式下使用，用于标识是否使用自定义的反向传播函数。
 
     .. py:method:: cast_inputs(inputs, dst_type)
 
@@ -345,7 +345,9 @@
 
         设置网络反向hook函数。此函数仅在PyNative Mode下支持。
 
-        .. note:: fn必须有如下代码定义。 `cell_name` 是已注册网络的名称。 `grad_input` 是传递给网络的梯度。 `grad_output` 是计算或者传递给下一个网络或者算子的梯度，这个梯度可以被修改或者返回。fn的返回值为Tensor或者None。
+        .. note::
+            - fn必须有如下代码定义。 `cell_name` 是已注册网络的名称。 `grad_input` 是传递给网络的梯度。 `grad_output` 是计算或者传递给下一个网络或者算子的梯度，这个梯度可以被修改或者返回。
+            - fn的返回值为Tensor或者None：fn(cell_name, grad_input, grad_output) -> Tensor or None。
 
         **参数：**
 

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

@@ -3,7 +3,7 @@ mindspore.nn.ForwardValueAndGrad
 
 .. py:class:: mindspore.nn.ForwardValueAndGrad(network, weights=None, get_all=False, get_by_list=False, sens_param=False)
 
-    网络训练包类。
+    训练网络的封装。
 
     包括正向网络和梯度函数。该类生成的Cell使用'\*inputs'输入来训练。
     通过梯度函数来创建反向图，用以计算梯度。

mindspore/nn/wrap/cell_wrapper.py

@@ -186,7 +186,7 @@ class WithGradCell(Cell):
 
 class ForwardValueAndGrad(Cell):
     r"""
-    Network training package class.
+    Encapsulate training network.
 
     Including the network and a gradient function. The resulting Cell is trained with input '\*inputs'.
     The backward graph will be created in the gradient function to calculating gradient.