add docs of JVP and VJP

docs/api/api_python/nn/mindspore.nn.Jvp.txt

@@ -0,0 +1,26 @@
+Class mindspore.nn.Jvp(fn)
+
+    计算给定网络的雅可比向量积(Jacobian-vector product, JVP)。JVP对应前向模式自动微分。
+
+    参数：
+        fn (Cell): 基于Cell的网络，用于接收张量输入并返回张量或者张量元组。
+
+    输入：
+        - **inputs** (Tensor) - 输入网络的入参，单个或多个张量。
+        - **v** (Tensor or Tuple of Tensor) - 与雅可比矩阵点乘的向量，形状与网络的输入一致。
+
+    输出：
+        2个张量或张量元组构成的元组。
+
+        - **net_output** (Tensor or Tuple of Tensor) - 输入网络的正向计算结果。
+        - **jvp** (Tensor or Tuple of Tensor) - 雅可比向量积的结果。
+
+        示例：
+        >>> from mindspore.nn import Jvp
+        >>> class Net(nn.Cell):
+        ...     def construct(self, x, y):
+        ...         return x**3 + y
+        >>> x = Tensor(np.array([[1, 2], [3, 4]]).astype(np.float32))
+        >>> y = Tensor(np.array([[1, 2], [3, 4]]).astype(np.float32))
+        >>> v = Tensor(np.array([[1, 1], [1, 1]]).astype(np.float32))
+        >>> output = Jvp(Net())(x, y, (v, v))

docs/api/api_python/nn/mindspore.nn.Vjp.txt

@@ -0,0 +1,26 @@
+Class mindspore.nn.Vjp(fn)
+
+    计算给定网络的向量雅可比积(vector-Jacobian product, VJP)。VJP对应反向模式自动微分。
+
+    参数：
+        fn (Cell): 基于Cell的网络，用于接收张量输入并返回张量或者张量元组。
+
+    输入：
+        - **inputs** (Tensor) - 输入网络的入参，单个或多个张量。
+        - **v** (Tensor or Tuple of Tensor) - 与雅可比矩阵点乘的向量，形状与网络的输出一致。
+
+    输出：
+        2个张量或张量元组构成的元组。
+
+        - **net_output** (Tensor or Tuple of Tensor) - 输入网络的正向计算结果。
+        - **vjp** (Tensor or Tuple of Tensor) - 向量雅可比积的结果。
+
+        示例：
+        >>> from mindspore.nn import Vjp
+        >>> class Net(nn.Cell):
+        ...     def construct(self, x, y):
+        ...         return x**3 + y
+        >>> x = Tensor(np.array([[1, 2], [3, 4]]).astype(np.float32))
+        >>> y = Tensor(np.array([[1, 2], [3, 4]]).astype(np.float32))
+        >>> v = Tensor(np.array([[1, 1], [1, 1]]).astype(np.float32))
+        >>> output = Vjp(Net())(x, y, v)