modify doc

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

@@ -45,7 +45,7 @@ mindspore.dataset.DSCallback
 
     .. py:method:: ds_step_end(ds_run_context)
 
-         用于定义在指定数据step结束后执行的回调方法。
+        用于定义在指定数据step结束后执行的回调方法。
 
         **参数：**
 

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

@@ -156,7 +156,7 @@
 
         input index信息的元组。
 
-    .. py:method:: map(operations, input_columns=None, output_columns=None, column_order=None, num_parallel_workers=None, python_multiprocessing=False, cache=None, callbacks=None)
+    .. py:method:: map(operations, input_columns=None, output_columns=None, column_order=None, num_parallel_workers=None, python_multiprocessing=False, cache=None, callbacks=None, max_rowsize=16, offload=None)
 
         给定一组数据增强列表，按顺序将数据增强作用在数据集对象上。
 

docs/api/api_python/dataset_audio/mindspore.dataset.audio.transforms.FrequencyMasking.rst

@@ -11,7 +11,7 @@ mindspore.dataset.audio.transforms.FrequencyMasking
 
     - **iid_masks** (bool, 可选) - 是否施加随机掩码，默认值：False。
     - **frequency_mask_param** (int, 可选) - 当 `iid_masks` 为True时，掩码长度将从[0, freq_mask_param]中均匀采样；当 `iid_masks` 为False时，直接使用该值作为掩码长度。取值范围为[0, freq_length]，其中 `freq_length` 为音频波形在频域的长度，默认值：0。
-    - **mask_start** (int, 可选) - 添加掩码的起始位置，只有当 `iid_masks` 为True时，该值才会生效。取值范围为[0, freq_length - freq_mask_param]，其中 `freq_length` 为音频波形在频域的长度，默认值：0。
+    - **mask_start** (int, 可选) - 添加掩码的起始位置，只有当 `iid_masks` 为True时，该值才会生效。取值范围为[0, freq_length - frequency_mask_param]，其中 `freq_length` 为音频波形在频域的长度，默认值：0。
     - **mask_value** (float, 可选) - 掩码填充值，默认值：0.0。
 
     .. image:: api_img/frequency_masking_original.png

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

@@ -39,7 +39,7 @@ mindspore.nn.Adagrad
 
     - **update_slots** (bool) - 如果为True，则更新累加器 :math:`h` 。默认值：True。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     - **weight_decay** (Union[float, int]) - 要乘以权重的权重衰减值，必须大于等于0.0。默认值：0.0。
 

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

@@ -45,7 +45,7 @@ mindspore.nn.Adam
     - **use_nesterov** (bool) - 是否使用Nesterov Accelerated Gradient (NAG)算法更新梯度。如果为True，使用NAG更新梯度。如果为False，则在不使用NAG的情况下更新梯度。默认值：False。
     - **weight_decay** (float) - 权重衰减（L2 penalty）。必须大于等于0。默认值：0.0。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     **输入：**
 

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

@@ -48,7 +48,7 @@ mindspore.nn.AdamOffload
     - **use_nesterov** (bool) - 是否使用Nesterov Accelerated Gradient (NAG)算法更新梯度。如果为True，使用NAG更新梯度。如果为False，则在不使用NAG的情况下更新梯度。默认值：False。
     - **weight_decay** (float) - 权重衰减（L2 penalty）。必须大于等于0。默认值：0.0。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     **输入：**
 

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

@@ -183,7 +183,6 @@
 
         - **RuntimeError** – 如果参数不属于任何stage。
 
-
     .. py:method:: insert_child_to_cell(child_name, child_cell)
 
         将一个给定名称的子Cell添加到当前Cell。
@@ -215,7 +214,7 @@
         - **KeyError** – 如果参数名称为空或包含"."。
         - **TypeError** – 如果参数的类型不是Parameter。
 
-   .. py:method:: load_parameter_slice(params)
+    .. py:method:: load_parameter_slice(params)
 
         根据并行策略获取Tensor分片并替换原始参数。
 
@@ -379,8 +378,8 @@
 
         **参数：**
 
-         - **recurse** (bool) – 是否设置子网络的可训练参数。默认值：True。
+        - **recurse** (bool) – 是否设置子网络的可训练参数。默认值：True。
-         - **init_in_server** (bool) – 是否在服务器上初始化由参数服务器更新的可训练参数。默认值：False。
+        - **init_in_server** (bool) – 是否在服务器上初始化由参数服务器更新的可训练参数。默认值：False。
 
     .. py:method:: set_train(mode=True)
 

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

@@ -51,7 +51,7 @@ mindspore.nn.FTRL
     - **l2** (float)：l2正则化强度，必须大于等于零。默认值：0.0。
     - **use_locking** (bool) - 如果为True，则更新操作使用锁保护。默认值：False。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     - **weight_decay** (Union[float, int]) - 要乘以权重的权重衰减值，必须为零或正值。默认值：0.0。
 

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

@@ -48,7 +48,7 @@ mindspore.nn.LazyAdam
     - **use_nesterov** (bool) - 是否使用Nesterov Accelerated Gradient (NAG)算法更新梯度。如果为True，使用NAG更新梯度。如果为False，则在不使用NAG的情况下更新梯度。默认值：False。
     - **weight_decay** (Union[float, int]) - 权重衰减（L2 penalty）。必须大于等于0。默认值：0.0。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     **输入：**
 

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

@@ -42,7 +42,7 @@ mindspore.nn.Momentum
     - **momentum** (float) - 浮点数类型的超参，表示移动平均的动量。必须等于或大于0.0。
     - **weight_decay** (int, float) - 权重衰减（L2 penalty）值。必须大于等于0.0。默认值：0.0。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     - **use_nesterov** (bool) - 是否使用Nesterov Accelerated Gradient (NAG)算法更新梯度。默认值：False。
 

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

@@ -26,7 +26,7 @@ mindspore.nn.Optimizer
 
     - **weight_decay** (Union[float, int]) - 权重衰减的整数或浮点值。必须等于或大于0。如果 `weight_decay` 是整数，它将被转换为浮点数。默认值：0.0。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     **异常：**
 

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

@@ -44,7 +44,7 @@ mindspore.nn.ProximalAdagrad
     - **l2** (float):l2正则化强度，必须大于或等于零。默认值：0.0。
     - **use_locking** (bool) - 如果为True，则更新操作使用锁保护。默认值：False。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     - **weight_decay** (Union[float, int]) - 要乘以权重的权重衰减值，必须为零或正值。默认值：0.0。
 

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

@@ -66,7 +66,7 @@ mindspore.nn.RMSProp
     - **use_locking** (bool) - 是否对参数更新加锁保护。默认值：False。
     - **centered** (bool) - 如果为True，则梯度将通过梯度的估计方差进行归一。默认值：False。
 
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     - **weight_decay** (Union[float, int]) - 权重衰减（L2 penalty）。必须大于等于0。默认值：0.0。
 

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

@@ -48,8 +48,8 @@ mindspore.nn.SGD
     - **dampening** (float): 浮点动量阻尼值，必须大于等于0.0。默认值：0.0。
     - **weight_decay** (float): 权重衰减（L2 penalty），必须大于等于0。默认值：0.0。
     - **nesterov** (bool): 启用Nesterov动量。如果使用Nesterov，动量必须为正，阻尼必须等于0.0。默认值：False。
-
+    
-      .. include:: mindspore.nn.optim_arg_loss_scale.rst
+    .. include:: mindspore.nn.optim_arg_loss_scale.rst
 
     **输入：**
 

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

@@ -53,13 +53,13 @@ mindspore.nn.TrainOneStepWithLossScaleCell
         
         继承该类自定义训练网络时，可复用该接口。
 
-       **参数：**
+        **参数：**
 
-       **overflow** (bool) - 是否发生溢出。
+        **overflow** (bool) - 是否发生溢出。
 
-       **返回：**
+        **返回：**
 
-       bool，溢出状态，即输入。
+        bool，溢出状态，即输入。
 
 
     .. py:method:: set_sense_scale(sens)

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

@@ -1 +1 @@
-- **loss_scale** (float) - 梯度缩放系数，必须大于0。如果 `loss_scale` 是整数，它将被转换为浮点数。通常使用默认值，仅当训练时使用了 `FixedLossScaleManager`，且 `FixedLossScaleManager` 的 `drop_overflow_update` 属性配置为False时，此值需要与 `FixedLossScaleManager` 中的 `loss_scale` 相同。有关更多详细信息，请参阅 :class：`mindspore.FixedLossScaleManager`。默认值：1.0。
+- **loss_scale** (float) - 梯度缩放系数，必须大于0。如果 `loss_scale` 是整数，它将被转换为浮点数。通常使用默认值，仅当训练时使用了 `FixedLossScaleManager`，且 `FixedLossScaleManager` 的 `drop_overflow_update` 属性配置为False时，此值需要与 `FixedLossScaleManager` 中的 `loss_scale` 相同。有关更多详细信息，请参阅 :class:`mindspore.FixedLossScaleManager`。默认值：1.0。

docs/api/api_python/nn_probability/mindspore.nn.probability.distribution.Bernoulli.rst

@@ -19,7 +19,6 @@ mindspore.nn.probability.distribution.Bernoulli
     **异常：**
 
     - **ValueError** - `probs` 中元素小于0或大于1。
-    - **TypeError** - `dtype` 不是float的子类。
 
     .. py:method:: probs
 

docs/api/api_python/nn_probability/mindspore.nn.probability.distribution.Categorical.rst

@@ -1,7 +1,7 @@
 mindspore.nn.probability.distribution.Categorical
 ==================================================
 
-.. py:class:: mindspore.nn.probability.distribution.Categorical(probs=None, seed=None, dtype=mstype.float32, name='Categorical')
+.. py:class:: mindspore.nn.probability.distribution.Categorical(probs=None, seed=None, dtype=mstype.int32, name='Categorical')
 
     分类分布。
     离散随机分布，取值范围为 :math:`\{1, 2, ..., k\}` ，概率质量函数为 :math:`P(X = i) = p_i, i = 1, ..., k`。

docs/api/api_python/nn_probability/mindspore.nn.probability.distribution.Gamma.rst

@@ -1,7 +1,7 @@
 mindspore.nn.probability.distribution.Gamma
 ================================================
 
-.. py:class:: mindspore.nn.probability.distribution.Gamma(concentration=None, rate=None, seed=None, dtype=mstype.float3, name='Gamma')
+.. py:class:: mindspore.nn.probability.distribution.Gamma(concentration=None, rate=None, seed=None, dtype=mstype.float32, name='Gamma')
 
     伽马分布（Gamma distribution）。
     连续随机分布，取值范围为 :math:`(0, \inf)` ，概率密度函数为