!46152 修复Smooth l1 loss API文档

Merge pull request !46152 from 刘崇鸣/fix_smooth_l1_loss_doc

docs/api/api_python/ops/mindspore.ops.func_smooth_l1_loss.rst

@@ -25,12 +25,12 @@ mindspore.ops.smooth_l1_loss
             \operatorname{sum}(L_{i}),  &  \text{if reduction} = \text{'sum'.}
         \end{cases}
 
-    其中， :math:`\text{beta}` 控制损失函数从二次元变为线性的point。默认值是1.0。 :math:`N` 为batch size。
+    其中， :math:`\text{beta}` 控制损失函数在线性与二次间变换的阈值， :math:`\text{beta}>0` ，默认值是1.0。 :math:`N` 为batch size。
 
     参数：
         - **logits** (Tensor) - shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。数据类型为float16，float32和float64。
         - **labels** (Tensor) - shape： :math:`(N, *)` ，与 `logits` 的shape和数据类型相同。
-        - **beta** (float) - 控制损失函数在L1Loss和L2Loss间变换的阈值。默认值：1.0。
+        - **beta** (float) - 控制损失函数在L1Loss和L2Loss间变换的阈值，该值必须大于0。默认值：1.0。
         - **reduction** (str) - 缩减输出的方法。默认值：'none'。其他选项：'mean'和'sum'。
 
     返回：
@@ -40,5 +40,5 @@ mindspore.ops.smooth_l1_loss
         - **TypeError** - `beta` 不是float类型。
         - **ValueError** - `reduction` 不是'none'，'mean'和'sum'中的任一者。
         - **TypeError** - `logits` 或 `labels` 的数据类型不是float16，float32和float64中的任一者。
-        - **ValueError** - `beta` 小于0。
+        - **ValueError** - `beta` 小于等于0。
         - **ValueError** - `logits` 与 `labels` 的shape不同。

mindspore/python/mindspore/ops/function/nn_func.py

@@ -2939,18 +2939,18 @@ def smooth_l1_loss(logits, labels, beta=1.0, reduction='none'):
         \end{cases}
 
     Here :math:`\text{beta}` controls the point where the loss function changes from quadratic to linear.
-    Its default value is 1.0. :math:`N` is the batch size.
+    :math:`\text{beta}>0` , its default value is 1.0. :math:`N` is the batch size.
 
     Args:
         logits (Tensor): Tensor of shape :math:`(N, *)` where :math:`*` means, any number of additional dimensions.
         labels (Tensor): Ground truth data, tensor of shape :math:`(N, *)`, same shape and dtype as the `logits`.
-        beta (float): A parameter used to control the point where the function will change from
-            quadratic to linear. Default: 1.0.
+        beta (float): A parameter used to control the point where the function will change between
+            L1 to L2 loss. The value should be greater than zero. Default: 1.0.
         reduction (str): Apply specific reduction method to the output: 'none', 'mean' or 'sum'. Default: 'none'.
 
     Returns:
         Tensor, if `reduction` is 'none', then output is a tensor with the same shape as `logits`.
-        Otherwise the shape of output tensor is `(1,)`.
+        Otherwise, the shape of output tensor is `(1,)`.
 
     Raises:
         TypeError: If `beta` is not a float.