optimizes the documentation of chinese API of BatchNorm1d,BatchNorm2d,ClipByNorm,etc.

docs/api/api_python/nn/mindspore.nn.BatchNorm1d.rst

@@ -17,12 +17,12 @@ mindspore.nn.BatchNorm1d
 
     **参数：**
 
-    - **num_features** (int) - 指定输入Tensor的通道数量，输入Tensor的size为(N, C)。
-    - **eps** (float) - 加在分母上的值，以确保数值稳定。默认值：1e-5。
+    - **num_features** (int) - 指定输入Tensor的通道数量，输入Tensor的size为 :math:`(N, C)` 。
+    - **eps** (float) - :math:`\epsilon` 加在分母上的值，以确保数值稳定。默认值：1e-5。
     - **momentum** (float) - 动态均值和动态方差所使用的动量。默认值：0.9。
-    - **affine** (bool) - bool类型。设置为True时，可学习到gama和beta值。默认值：True。
-    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - gamma参数的初始化方法。str的值引用自函数 `mindspore.common.initializer` ，包括'zeros'、'ones'等。默认值：'ones'。
-    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - beta参数的初始化方法。str的值引用自函数 `mindspore.common.initializer` ，包括'zeros'、'ones'等。默认值：'zeros'。
+    - **affine** (bool) - bool类型。设置为True时，可学习到 :math:`\gamma` 和 :math:`\beta` 值。默认值：True。
+    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - :math:`\gamma` 参数的初始化方法。str的值引用自函数 `mindspore.common.initializer` ，包括'zeros'、'ones'等。默认值：'ones'。
+    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - :math:`\beta` 参数的初始化方法。str的值引用自函数 `mindspore.common.initializer` ，包括'zeros'、'ones'等。默认值：'zeros'。
     - **moving_mean_init** (Union[Tensor, str, Initializer, numbers.Number]) - 动态平均值的初始化方法。str的值引用自函数 `mindspore.common.initializer` ，包括'zeros'、'ones'等。默认值：'zeros'。
     - **moving_var_init** (Union[Tensor, str, Initializer, numbers.Number]) - 动态方差的初始化方法。str的值引用自函数 `mindspore.common.initializer` ，包括'zeros'、'ones'等。默认值：'ones'。
     - **use_batch_statistics** (bool) - 如果为True，则使用当前批次数据的平均值和方差值。如果为False，则使用指定的平均值和方差值。如果为None，训练时，将使用当前批次数据的均值和方差，并更新动态均值和方差，验证过程将直接使用动态均值和方差。默认值：None。

docs/api/api_python/nn/mindspore.nn.BatchNorm2d.rst

@@ -23,15 +23,15 @@ mindspore.nn.BatchNorm2d
 
     **参数：**
 
-    - **num_features** (int) - 指定输入Tensor的通道数量，输入Tensor的size为(N, C, H, W)。
-    - **eps** (float) - 加在分母上的值，以确保数值稳定。默认值：1e-5。
+    - **num_features** (int) - 指定输入Tensor的通道数量，输入Tensor的size为 :math:`(N, C, H, W)` 。
+    - **eps** (float) - :math:`\epsilon` 加在分母上的值，以确保数值稳定。默认值：1e-5。
     - **momentum** (float) - 动态均值和动态方差所使用的动量。默认值：0.9。
-    - **affine** (bool) - bool类型。设置为True时，可学习gama和beta值。默认值：True。
-    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - gamma参数的初始化方法。str的值引用自函数 `mindspore.common.initializer`，包括'zeros'、'ones'等。默认值：'ones'。
-    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - beta参数的初始化方法。str的值引用自函数 `mindspore.common.initializer`，包括'zeros'、'ones'等。默认值：'zeros'。
+    - **affine** (bool) - bool类型。设置为True时，可学习 :math:`\gamma` 和 :math:`\beta` 值。默认值：True。
+    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - :math:`\gamma` 参数的初始化方法。str的值引用自函数 `mindspore.common.initializer`，包括'zeros'、'ones'等。默认值：'ones'。
+    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - :math:`\beta` 参数的初始化方法。str的值引用自函数 `mindspore.common.initializer`，包括'zeros'、'ones'等。默认值：'zeros'。
     - **moving_mean_init** (Union[Tensor, str, Initializer, numbers.Number]) - 动态平均值的初始化方法。str的值引用自函数 `mindspore.common.initializer`，包括'zeros'、'ones'等。默认值：'zeros'。
     - **moving_var_init** (Union[Tensor, str, Initializer, numbers.Number]) - 动态方差的初始化方法。str的值引用自函数 `mindspore.common.initializer`，包括'zeros'、'ones'等。默认值：'ones'。
-    - **use_batch_statistics** (bool) - 如果为True，则使用当前批处理数据的平均值和方差值，并跟踪运行平均值和运行方差。如果为False，则使用指定值的平均值和方差值，不跟踪统计值。如果为None，则根据训练和验证模式自动设置use_batch_statistics为True或False。在训练时，use_batch_statistics会设置为True。在验证时，use_batch_statistics会自动设置为False。默认值：None。
+    - **use_batch_statistics** (bool) - 如果为True，则使用当前批处理数据的平均值和方差值，并跟踪运行平均值和运行方差。如果为False，则使用指定值的平均值和方差值，不跟踪统计值。如果为None，则根据训练和验证模式自动设置 `use_batch_statistics` 为True或False。在训练时， `use_batch_statistics会` 设置为True。在验证时， `use_batch_statistics` 会自动设置为False。默认值：None。
     - **data_format** (str) - 数据格式可为'NHWC'或'NCHW'。默认值：'NCHW'。
 
     **输入：**

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

@@ -20,7 +20,7 @@ mindspore.nn.ClipByNorm
     **输入：**
 
     - **x** (Tensor) - 输入n维的Tensor，数据类型为float32或float16。
-    - **clip_norm** (Tensor) - shape为 :math:`()` 或 :math:`(1)` 的Tensor。或者其shape可以广播到输入的shape。
+    - **clip_norm** (Tensor) - shape为 :math:`()` 或 :math:`(1)` 的Tensor。或者其shape可以广播到 `x` 的shape。
 
     **输出：**
 

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

@@ -18,7 +18,7 @@ mindspore.nn.Dense
     - **out_channels** (int) - Dense层输出Tensor的空间维度。
     - **weight_init** (Union[Tensor, str, Initializer, numbers.Number]) - 权重参数的初始化方法。数据类型与 `x` 相同。str的值引用自函数 `initializer`。默认值：'normal'。
     - **bias_init** (Union[Tensor, str, Initializer, numbers.Number]) - 偏置参数的初始化方法。数据类型与 `x` 相同。str的值引用自函数 `initializer`。默认值：'zeros'。
-    - **has_bias** (bool) - 是否使用偏置向量。默认值：True。
+    - **has_bias** (bool) - 是否使用偏置向量 :math:`\text{bias}` 。默认值：True。
     - **activation** (Union[str, Cell, Primitive]) - 应用于全连接层输出的激活函数，例如‘ReLU’。默认值：None。
 
     **输入：**

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

@@ -16,11 +16,11 @@ mindspore.nn.LayerNorm
     **参数：**
 
     - **normalized_shape** (Union(tuple[int], list[int]) - 沿轴 `begin_norm_axis ... R - 1` 执行归一化。 
-    - **begin_norm_axis** (int) - 归一化开始计算的轴：归一化将在维度 `begin_norm_axis: rank(inputs)` 上执行，取值范围是[-1, rank(input))。默认值：-1。
-    - **begin_params_axis** (int) - 第一个参数(beta, gamma)的维度：scale和centering参数有 `begin_params_axis: rank(inputs)` 个维度，并与输入一起广播，取值范围是[-1, rank(input))。默认值：-1。
-    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - gama参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'、'xavier_uniform'、'he_uniform'等。默认值：'ones'。
-    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - beta参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'、'xavier_uniform'、'he_uniform'等。默认值：'zeros'。
-    - **epsilon** (float) - 添加到分母中的值，以确保数值稳定。默认值：1e-7。
+    - **begin_norm_axis** (int) - 归一化开始计算的轴，取值范围是[-1, rank(x))。默认值：-1。
+    - **begin_params_axis** (int) - 第一个参数(beta, gamma)的维度：scale和centering参数有 `begin_params_axis: rank(x)` 个维度，并与输入一起广播，取值范围是[-1, rank(input))。默认值：-1。
+    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - :math:`\gamma` 参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'、'xavier_uniform'、'he_uniform'等。默认值：'ones'。
+    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - :math:`\beta` 参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'、'xavier_uniform'、'he_uniform'等。默认值：'zeros'。
+    - **epsilon** (float) - :math:`\epsilon` 添加到分母中的值，以确保数值稳定。默认值：1e-7。
 
     **输入：**
 

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

@@ -10,7 +10,7 @@
 
     **参数：**
 
-    - **root_rank** (int) - 表示源秩。除发送数据的进程外，存在于所有进程中。
+    - **root_rank** (int) - 表示发送源的进程编号。除发送数据的进程外，存在于所有进程中。
     - **group** (str) - 表示通信域。默认值："hccl_world_group"。
 
     **输入：**

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

@@ -10,7 +10,7 @@
 
     **参数：**
 
-    - **exclusive** (bool) - 如果为True，则执行独占模式。默认值：False。
+    - **exclusive** (bool) - 表示输出结果的第一个元素是否与输入的第一个元素一致。如果为False，表示输出的第一个元素与输入的第一个元素一致。默认值：False。
     - **reverse** (bool) - 如果为True，则逆向计算累加和。默认值：False。
 
     **输入：**

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

@@ -6,7 +6,7 @@ mindspore.ops.GetNext
     返回数据集队列中的下一个元素。
 
     .. note::
-        GetNext操作需要联网，且依赖init_dataset接口，不能单独操作。详见 :class:`mindspore.connect_network_with_dataset` 的源码。
+        GetNext操作需要联网，且依赖'dataset'接口，例如： :class:`mindspore.dataset.MnistDataset` 。不能单独操作。详见 :class:`mindspore.connect_network_with_dataset` 的源码。
 
     **参数：**
 
@@ -14,6 +14,7 @@ mindspore.ops.GetNext
     - **shapes** (list[tuple[int]]) - 输出数据的shape大小。
     - **output_num** (int) - 输出编号、 `types` 和 `shapes` 的长度。
     - **shared_name** (str) - `init_dataset` 接口名称。
+    - **shared_name** (str) - 待获取数据的队列名称。
 
     **输入：**
 

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

@@ -17,7 +17,7 @@ mindspore.ops.ScatterAdd
 
     **参数：**
 
-    - **use_locking** (bool) - 是否启用锁保护。默认值：False。
+    - **use_locking** (bool) - 是否启用锁保护。如果为True，则 `input_x` 将受到锁的保护。否则计算结果是未定义的。默认值：False。
 
     **输入：**
 

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

@@ -24,7 +24,7 @@ mindspore.ops.batch_dot
     - **TypeError** - `x1` 或 `x2` 的数据类型不是float32。
     - **ValueError** - `x1` 或 `x2` 的秩小于2。
     - **ValueError** - 在轴中使用了代表批量的维度。
-    - **ValueError** - len(axes)小于2。
+    - **ValueError** - `axes` 的长度小于2。
     - **ValueError** - `axes` 不是其一：None，int，或(int, int)。
     - **ValueError** - 如果 `axes` 为负值，低于输入数组的维度。
     - **ValueError** - 如果 `axes` 的值高于输入数组的维度。

mindspore/python/mindspore/nn/layer/basic.py

@@ -388,7 +388,7 @@ class ClipByNorm(Cell):
     Inputs:
         - **x** (Tensor) - Tensor of shape N-D. The type must be float32 or float16.
         - **clip_norm** (Tensor) - A scalar Tensor of shape :math:`()` or :math:`(1)`.
-          Or a tensor shape can be broadcast to input shape.
+          Or a tensor shape can be broadcast to input `x` shape.
 
     Outputs:
         Tensor, clipped tensor with the same shape as the `x`, whose type is float32.

mindspore/python/mindspore/ops/operations/array_ops.py

@@ -4596,7 +4596,9 @@ class ScatterAdd(_ScatterOpDynamic):
         This is an in-place update operator. Therefore, the `input_x` will be updated after the operation is completed.
 
     Args:
-        use_locking (bool): Whether to protect the assignment by a lock. Default: False.
+        use_locking (bool): Whether to protect the assignment by a lock.
+            If true, ` input_x` will be protected by the lock.
+            Otherwise, the calculation result is undefined. Default: False.
 
     Inputs:
         - **input_x** (Parameter) - The target tensor, with data type of Parameter.

mindspore/python/mindspore/ops/operations/math_ops.py

@@ -1526,7 +1526,8 @@ class CumSum(PrimitiveWithInfer):
         y_i = x_1 + x_2 + x_3 + ... + x_i
 
     Args:
-        exclusive (bool): If true, perform exclusive mode. Default: False.
+        exclusive (bool): By default, this op performs an inclusive cumsum, which means that the first
+            element of the input is identical to the first element of the output. Default: False.
         reverse (bool): If true, perform inverse cumulative sum. Default: False.
 
     Inputs:

mindspore/python/mindspore/ops/operations/nn_ops.py

@@ -3462,7 +3462,8 @@ class GetNext(Primitive):
     Returns the next element in the dataset queue.
 
     Note:
-        The GetNext operation needs to be associated with network and it also depends on the init_dataset interface,
+        The GetNext operation needs to be associated with network and it also depends
+        on the 'dataset' interface, For example, please refer to :class:`mindspore.dataset.MnistDataset` .
         it can't be used directly as a single operation.
         For details, please refer to :class:`mindspore.connect_network_with_dataset` source code.
 
@@ -3470,7 +3471,7 @@ class GetNext(Primitive):
         types (list[:class:`mindspore.dtype`]): The type of the outputs.
         shapes (list[tuple[int]]): The dimensionality of the outputs.
         output_num (int): The output number, length of `types` and `shapes`.
-        shared_name (str): The queue name of `init_dataset` interface.
+        shared_name (str): Queue name to fetch the data.
 
     Inputs:
         No inputs.