fix cn docs in fft and io.dataset

docs/api/paddle/fft/fft_cn.rst

@@ -13,9 +13,7 @@ fft
 :::::::::
 
 - **x** (Tensor) - 输入 Tensor，数据类型为实数或复数。
-- **n** (int，可选) - 输出 Tensor 中傅里叶变换轴的长度。如果 ``n`` 比输入 Tensor 中对应
-  轴的长度小，输入数据会被截断。如果 ``n`` 比输入 Tensor 中对应轴的长度大，则输入会被补零
-。如果 ``n`` 没有被指定，则使用输入 Tensor 中由 ``axis`` 指定的轴的长度。
+- **n** (int，可选) - 输出 Tensor 中傅里叶变换轴的长度。如果 ``n`` 比输入 Tensor 中对应轴的长度小，输入数据会被截断。如果 ``n`` 比输入 Tensor 中对应轴的长度大，则输入会被补零。如果 ``n`` 没有被指定，则使用输入 Tensor 中由 ``axis`` 指定的轴的长度。
 - **axis** (int，可选) - 傅里叶变换的轴。如果没有指定，默认使用最后一维。
 - **norm** (str，可选) - 傅里叶变换的缩放模式，缩放系数由变换的方向和缩放模式同时决定。取
   值必须是 "forward"，"backward"，"ortho" 之一，默认值为 "backward"。三种缩放模式对应
@@ -31,8 +29,7 @@ fft
 返回
 :::::::::
 
-Tensor，形状和输入 Tensor 相同，数据类型为复数。由输入 Tensor（可能被截断或者补零之后）在指
-定维度进行傅里叶变换的输出。
+Tensor，形状和输入 Tensor 相同，数据类型为复数。由输入 Tensor（可能被截断或者补零之后）在指定维度进行傅里叶变换的输出。
 
 代码示例
 :::::::::

docs/api/paddle/fft/hfftn_cn.rst

@@ -17,11 +17,9 @@ hfftn
   输入 Tensor 的长度大于 ``s[-1]//2+1``，输入 Tensor 会被截断。如果输入 Tensor 的长度
   小于 ``s[-1]//2+1``，则输入 Tensor 会被补零；
 
-  对于傅里变换其他每一个轴 ``i``，如果输入 Tensor 的长度大于 ``s[i]``，输入 Tensor 会
-  被截断。如果输入 Tensor 的长度小于 ``s[i]``，则输入 Tensor 会被补零；
-
-  如果未指定 `s`，则 ``s`` 在最后一个傅里叶变换轴取值为 ``2*(m-1)``，其中 ``m`` 是输入
-  Tensor 在最后一个傅里叶变换轴的长度，其余轴为输入 Tensor 在该轴的长度。
+  - 对于傅里变换其他每一个轴 ``i``，如果输入 Tensor 的长度大于 ``s[i]``，输入 Tensor 会被截断。如果输入 Tensor 的长度小于 ``s[i]``，则输入 Tensor 会被补零；
+  - 如果未指定 `s`，则 ``s`` 在最后一个傅里叶变换轴取值为 ``2*(m-1)``，其中 ``m`` 是输入 Tensor 在最后一个傅里叶变换轴的长度，其余轴为输入 Tensor 在该轴的长度。
+
 - **axes** (Sequence[int]，可选) - 计算快速傅里叶变换的轴。如果没有指定，默认是使用最
   后 ``len(s)`` 个轴，如果 ``s`` 也没有指定则使用输入数据的全部的轴。
 - **norm** (str，可选) - 指定傅里叶变换的缩放模式，缩放系数由变换的方向和模式同时决定。取

docs/api/paddle/fft/irfftn_cn.rst

@@ -7,6 +7,9 @@ irfftn
 
 通过快速傅里叶变换(FFT)算法计算 N 维实数傅里叶变换 （rfftn）的逆变换。
 
+该函数通过快速傅立叶变换（FFT）计算M-D矩阵中任意轴上实输入的N-D离散傅立叶变换的逆。即，在计算精度内 ``irfftn(rfftn(x), x.shape) == x`` 成立。（ ``x.shape`` 的信息是必要的，其存在原因与 `irfft` 中的 ``len(x)`` 相同）。
+
+此函数输入的排序方式应与rfftn返回的方式相同。
 
 参数
 :::::::::
@@ -15,15 +18,10 @@ irfftn
 - **s** (Sequence[int]，可选) - 输出 Tensor 在每一个傅里叶变换轴上的长度（类似一维傅里
   叶变换中的参数 ``n``）。
 
-  对于傅里叶变换的最后一个轴，输入长度要求是 ``s[-1]//2+1``，如果输入 Tensor 的长度大于
-  ``s[-1]//2+1``，输入 Tensor 会被截断。如果输入 Tensor 的长度小于 ``s[-1]//2+1``，
-  则输入 Tensor 会被补零；
-
-  对于傅里变换其他每一个轴 ``i``，如果输入 Tensor 的长度大于 ``s[i]``，输入 Tensor 会
-  被截断。如果输入 Tensor 的长度小于 ``s[i]``，则输入 Tensor 会被补零；
-
-  如果未指定 `s`，则 ``s`` 在最后一个傅里叶变换轴取值为 ``2*(m-1)``，其中 ``m`` 是输
-  入 Tensor 在最后一个傅里叶变换轴的长度，其余轴为输入 Tensor 在该轴的长度。
+  - 对于傅里叶变换的最后一个轴，输入长度要求是 ``s[-1]//2+1``，如果输入 Tensor 的长度大于``s[-1]//2+1``，输入 Tensor 会被截断。如果输入 Tensor 的长度小于 ``s[-1]//2+1``，则输入 Tensor 会被补零；
+  - 对于傅里变换其他每一个轴 ``i``，如果输入 Tensor 的长度大于 ``s[i]``，输入 Tensor 会被截断。如果输入 Tensor 的长度小于 ``s[i]``，则输入 Tensor 会被补零；
+  - 如果未指定 `s`，则 ``s`` 在最后一个傅里叶变换轴取值为 ``2*(m-1)``，其中 ``m`` 是输入 Tensor 在最后一个傅里叶变换轴的长度，其余轴为输入 Tensor 在该轴的长度。
+
 - **axes** (Sequence[int]，可选) - 计算快速傅里叶变换的轴。如果没有指定，默认是使用最后
   ``len(s)`` 个轴，如果 ``s`` 也没有指定则使用输入数据的全部的轴。
 - **norm** (str，可选) - 指定傅里叶变换的缩放模式，缩放系数由变换的方向和模式同时决定。取

docs/api/paddle/fft/rfft_cn.rst

@@ -7,6 +7,8 @@ rfft
 
 通过快速傅里叶变换(FFT)算法计算一维实数傅里叶变换。
 
+当输入是实数时，输出是厄米特对称的。由于该函数不计算负频率项，因此输出的变换轴长度为 ``n//2 + 1`` 。
+
 
 参数
 :::::::::
@@ -16,9 +18,7 @@ rfft
   的长度小，输入数据会被截断。如果 ``n`` 比输入 Tensor 中对应轴的长度大，则输入会被补零。如果
   ``n`` 没有被指定，则使用输入 Tensor 中由 ``axis`` 指定的轴的长度。
 - **axis** (int，可选) - 傅里叶变换的轴。如果没有指定，默认使用最后一维。
-- **norm** (str，可选) - 傅里叶变换的缩放模式，缩放系数由变换的方向和缩放模式同时决定。取值必
-  须是 "forward"，"backward"，"ortho" 之一，默认值为 "backward"。三种缩放模式对应的行为
-  如下：
+- **norm** (str，可选) - 傅里叶变换的缩放模式，缩放系数由变换的方向和缩放模式同时决定。取值必须是 "forward"，"backward"，"ortho" 之一，默认值为 "backward"。三种缩放模式对应的行为如下：
 
   - "backward"：正向和逆向变换的缩放系数分别为 ``1`` 和 ``1/n``；
   - "forward"：正向和逆向变换的缩放系数分别为 ``1/n`` 和 ``1``；
@@ -29,8 +29,7 @@ rfft
 
 返回
 :::::::::
-Tensor，数据类型为复数。由输入 Tensor（可能被截断或者补零之后）在指定
-维度进行傅里叶变换的输出，傅里叶变换轴的输出长度为 ``(n//2)+1``，其余轴长度与输入一致。
+Tensor，数据类型为复数。
 
 代码示例
 :::::::::

docs/api/paddle/fft/rfftfreq_cn.rst

@@ -8,7 +8,9 @@ rfftfreq
 返回离散傅里叶变换的频率窗口(frequency bins)中心，以 "循环/采样间隔" 为单位。例如，采样间
 隔以秒为单位，则频谱的单位是 "循环/秒"。用于 ``rfft`` 和 ``irfft``。
 
-对于窗口长度 n 和采样间隔 d，输出的频率序列 f 排布如下：:
+对于窗口长度 n 和采样间隔 d，输出的频率序列 f 排布如下：
+
+.. code-block:: text
 
     f = [0, 1, ...,     n/2-1,     n/2] / (d*n)   (当 n 为偶数)
     f = [0, 1, ..., (n-1)/2-1, (n-1)/2] / (d*n)   (当 n 为奇数)
@@ -26,8 +28,7 @@ rfftfreq
 返回
 :::::::::
 
-Tensor，形状为 ``[n // 2 + 1]``，数据类型为 ``dtype`` 指定的数据类型，包含频率窗口中心序
-列。
+Tensor，形状为 ``[n // 2 + 1]``，数据类型为 ``dtype`` 指定的数据类型，包含频率窗口中心序列。
 
 代码示例
 :::::::::

docs/api/paddle/fluid/data_cn.rst

@@ -9,7 +9,7 @@ data
 
 
 
-该OP会在全局block中创建变量（Variable），该全局变量可被计算图中的算子（operator）访问。该变量可作为占位符用于数据输入。例如用执行器（Executor）feed数据进该变量
+在全局block中创建变量（Variable），该全局变量可被计算图中的算子（operator）访问。该变量可作为占位符用于数据输入。例如用执行器（Executor）feed数据进该变量
 
 注意：
 

docs/api/paddle/fluid/evaluator/DetectionMAP_cn.rst

@@ -8,7 +8,7 @@ DetectionMAP
 
 
 
-该OP用于计算检测网络的平均精度（mAP）。 mAP是衡量object detectors精度的指标，比如 Faster R-CNN,SSD等。它不同于召回率，它是最大精度的平均值。
+用于计算检测网络的平均精度（mAP）。 mAP是衡量object detectors精度的指标，比如 Faster R-CNN,SSD等。它不同于召回率，它是最大精度的平均值。
 
 通常步骤如下：
 

docs/api/paddle/fluid/initializer/NumpyArrayInitializer_cn.rst

@@ -8,7 +8,7 @@ NumpyArrayInitializer
 
 
 
-该OP使用Numpy型数组来初始化参数变量。
+使用Numpy型数组来初始化参数变量。
 
 参数
 ::::::::::::

docs/api/paddle/fluid/io/save_params_cn.rst

@@ -9,7 +9,7 @@ save_params
 
 
 
-该OP从 ``main_program`` 中取出所有参数，然后将它们保存到 ``dirname`` 目录下或名为 ``filename`` 的文件中。
+从 ``main_program`` 中取出所有参数，然后将它们保存到 ``dirname`` 目录下或名为 ``filename`` 的文件中。
 
 ``dirname`` 用于指定保存参数的目标路径。若想将参数保存到多个独立文件中，设置 ``filename=None``；若想将所有参数保存在单个文件中，请设置 ``filename`` 来指定该文件的名称。
 

docs/api/paddle/fluid/io/save_persistables_cn.rst

@@ -9,7 +9,7 @@ save_persistables
 
 
 
-该OP从给定 ``main_program`` 中取出所有持久性变量（详见 :ref:`api_guide_model_save_reader` ），然后将它们保存到目录 ``dirname`` 中或 ``filename`` 指定的文件中。
+从给定 ``main_program`` 中取出所有持久性变量（详见 :ref:`api_guide_model_save_reader` ），然后将它们保存到目录 ``dirname`` 中或 ``filename`` 指定的文件中。
 
 ``dirname`` 用于指定保存持久性变量的目录。如果想将持久性变量保存到指定目录的若干文件中，请设置 ``filename=None``；若想将所有持久性变量保存在同一个文件中，请设置 ``filename`` 来指定文件的名称。
 

docs/api/paddle/fluid/layers/adaptive_pool2d_cn.rst

@@ -8,7 +8,7 @@ adaptive_pool2d
 
 
 
-该OP使用上述输入参数的池化配置，为二维空间自适应池化操作，根据 ``input``，池化类型 ``pool_type``，池化核大小 ``pool_size`` 这些参数得到输出。
+使用上述输入参数的池化配置，为二维空间自适应池化操作，根据 ``input``，池化类型 ``pool_type``，池化核大小 ``pool_size`` 这些参数得到输出。
 
 输入X和输出Out是NCHW格式，N为批大小，C是通道数，H是特征高度，W是特征宽度。参数 ``pool_size`` 含有两个整型元素，分别代表高度和宽度上的参数。输出Out的H和W维由 ``pool_size`` 决定，即输出shape为 :math:`\left ( N,C,pool_size[0],pool_size[1] \right )`
 

docs/api/paddle/fluid/layers/adaptive_pool3d_cn.rst

@@ -8,7 +8,7 @@ adaptive_pool3d
 
 
 
-该OP使用上述输入参数的池化配置，为二维空间自适应池化操作，根据 ``input``，池化类型 ``pool_type``，池化核大小 ``pool_size`` 这些参数得到输出。
+使用输入参数的池化配置，为二维空间自适应池化操作，根据 ``input``，池化类型 ``pool_type``，池化核大小 ``pool_size`` 这些参数得到输出。
 
 输入X和输出Out是NCDHW格式，N为批大小，D是特征深度，C是通道数，H是特征高度，W是特征宽度。参数 ``pool_size`` 含有两个整型元素，分别代表深度，高度和宽度上的参数。输出Out的D, H和W维由 ``pool_size`` 决定，即输出shape为 :math:`\left ( N,C,pool_size[0],pool_size[1],pool_size[2] \right )`
 

docs/api/paddle/fluid/metrics/DetectionMAP_cn.rst

@@ -8,7 +8,7 @@ DetectionMAP
 
 
 
-该OP用于计算检测网络的平均精度（mAP）。 mAP是衡量object detectors精度的指标，比如 Faster R-CNN,SSD等。它不同于召回率，它是最大精度的平均值。
+用于计算检测网络的平均精度（mAP）。 mAP是衡量object detectors精度的指标，比如 Faster R-CNN,SSD等。它不同于召回率，它是最大精度的平均值。
 
 通常步骤如下：
 

docs/api/paddle/fluid/one_hot_cn.rst

@@ -10,7 +10,7 @@ one_hot
 
 **注意：此OP要求输入Tensor shape的最后一维必须为1。此OP将在未来的版本中被移除！推荐使用fluid.** :ref:`cn_api_fluid_one_hot` 。
 
-该OP将输入（input）中的每个id转换为一个one-hot向量，其长度为 ``depth``，该id对应的向量维度上的值为1，其余维度的值为0。
+将输入（input）中的每个id转换为一个one-hot向量，其长度为 ``depth``，该id对应的向量维度上的值为1，其余维度的值为0。
 
 输出的Tensor（或LoDTensor）的shape是将输入shape的最后一维替换为depth的维度。
 

docs/api/paddle/io/Subset_cn.rst

@@ -11,8 +11,8 @@ Subset
 参数
 :::::::::
 
-    - **datasets** 原数据集。
-    - **indices** 用于提取子集的原数据集合指标数组。
+    - **datasets** (Dataset) - 原数据集。
+    - **indices** (sequence) - 用于提取子集的原数据集合指标数组。
 
 返回
 :::::::::

docs/api/paddle/io/random_split_cn.rst

@@ -12,7 +12,7 @@ random_split
 
     - **dataset** (Dataset) - 此参数必须是 ``paddle.io.Dataset`` 或 ``paddle.io.IterableDataset`` 的一个子类实例或实现了 ``__len__`` 的 Python 对象，用于生成样本下标。默认值为 None。
     - **lengths** (list) - 总和为原数组长度的，子集合长度数组。
-    - **generator** (Generator) - 指定采样 ``data_source`` 的采样器。默认值为 None。
+    - **generator** (Generator，可选) - 指定采样 ``data_source`` 的采样器。默认值为 None。
 
 返回
 ::::::::::::

docs/api/paddle/nn/Embedding_cn.rst

@@ -5,16 +5,12 @@ Embedding
 
 .. py:class:: paddle.nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, sparse=False, weight_attr=None, name=None)
 
-
-
-嵌入层(Embedding Layer)
-
-该接口用于构建 ``Embedding`` 的一个可调用对象，具体用法参照 ``代码示例``。其根据 input 中的 id 信息从 embedding 矩阵中查询对应 embedding 信息，并会根据输入的 size (num_embeddings, embedding_dim)和 weight_attr 自动构造一个二维 embedding 矩阵。
+嵌入层(Embedding Layer)，用于构建 ``Embedding`` 的一个可调用对象，具体用法参照 ``代码示例``。其根据 input 中的 id 信息从 embedding 矩阵中查询对应 embedding 信息，并会根据输入的 size (num_embeddings, embedding_dim)和 weight_attr 自动构造一个二维 embedding 矩阵。
 
 输出的 Tensor 的 shape 是在输入 Tensor shape 的最后一维后面添加了 embedding_dim 的维度。
 
-注：input 中的 id 必须满足 ``0 =< id < size[0]``，否则程序会抛异常退出。
-
+.. note::
+   input 中的 id 必须满足 ``0 =< id < size[0]``，否则程序会抛异常退出。
 
 .. code-block:: text
 
@@ -41,9 +37,9 @@ Embedding
 
     - **num_embeddings** (int) - 嵌入字典的大小，input 中的 id 必须满足 ``0 =< id < num_embeddings`` 。 。
     - **embedding_dim** (int) - 每个嵌入向量的维度。
-    - **padding_idx** (int|long|None) - padding_idx 的配置区间为 ``[-weight.shape[0], weight.shape[0]``，如果配置了 padding_idx，那么在训练过程中遇到此 id 时，其参数及对应的梯度将会以 0 进行填充。
-    - **sparse** (bool) - 是否使用稀疏更新，在词嵌入权重较大的情况下，使用稀疏更新能够获得更快的训练速度及更小的内存/显存占用。
-    - **weight_attr** (ParamAttr|None) - 指定嵌入向量的配置，包括初始化方法，具体用法请参见 :ref:`api_guide_ParamAttr`，一般无需设置，默认值为 None。
+    - **padding_idx** (int|long|None，可选) - padding_idx 的配置区间为 ``[-weight.shape[0], weight.shape[0]``，如果配置了 padding_idx，那么在训练过程中遇到此 id 时，其参数及对应的梯度将会以 0 进行填充。
+    - **sparse** (bool，可选) - 是否使用稀疏更新，在词嵌入权重较大的情况下，使用稀疏更新能够获得更快的训练速度及更小的内存/显存占用。
+    - **weight_attr** (ParamAttr|None，可选) - 指定嵌入向量的配置，包括初始化方法，具体用法请参见 :ref:`api_guide_ParamAttr`，一般无需设置，默认值为 None。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
 

docs/api/paddle/nn/Fold_cn.rst

@@ -5,9 +5,10 @@ Fold
 
 .. py:function:: paddle.nn.Fold(output_sizes, kernel_sizes, dilations=1, paddings=0, strides=1, name=None)
 
-该 Op 用于将一个滑动局部块组合成一个大的张量。通常也被称为 col2im，用于批处理二维图像张量。Fold 通过对所有包含块的值求和来计算结果中的每个大张量的组合值。
+将一个滑动局部块组合成一个大的张量。通常也被称为 col2im，用于批处理二维图像张量。Fold 通过对所有包含块的值求和来计算结果中的每个大张量的组合值。
 
 对于输入 x，如果形状为[N, C_in, L]，其输出形状[N, C_out, H_out, W_out]，计算过程如下：
+
 .. math::
 
     H_out &=  output_size[0]

docs/api/paddle/nn/GELU_cn.rst

@@ -23,7 +23,7 @@ GELU 激活层（GELU Activation Operator）
 
 参数
 ::::::::::
-    - approximate (bool，可选) - 是否使用近似计算，默认值为 False，即不使用近似计算。
+    - **approximate** (bool，可选) - 是否使用近似计算，默认值为 False，即不使用近似计算。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
 
 形状：

docs/api/paddle/nn/functional/embedding_cn.rst

@@ -3,18 +3,17 @@
 embedding
 -------------------------------
 
-
 .. py:function:: paddle.nn.functional.embedding(x, weight, padding_idx=None, sparse=False, name=None)
 
 
 
-嵌入层(Embedding Layer)
-
-该 OP 根据 input 中的 id 信息从 embedding 矩阵中查询对应 embedding 信息，并会根据输入的 size (vocab_size, emb_size)和 dtype 自动构造一个二维 embedding 矩阵。
+嵌入层(Embedding Layer)，根据 input 中的 id 信息从 embedding 矩阵中查询对应 embedding 信息，并会根据输入的 size (vocab_size, emb_size)和 dtype 自动构造一个二维 embedding 矩阵。
 
 输出的 Tensor 的 shape 是将输入 Tensor shape 后追加一维 emb_size。
 
-注：input 中的 id 必须满足 ``0 =< id < size[0]``，否则程序会抛异常退出。
+.. note::
+
+   input 中的 id 必须满足 ``0 =< id < size[0]``，否则程序会抛异常退出。
 
 
 .. code-block:: text
@@ -42,8 +41,8 @@ embedding
 
     - **input** (Tensor) - 存储 id 信息的 Tensor，数据类型必须为：int32/int64。input 中的 id 必须满足 ``0 =< id < size[0]`` 。
     - **weight** (Tensor) - 存储词嵌入权重参数的 Tensor，形状为(num_embeddings, embedding_dim)。
-    - **sparse** (bool) - 是否使用稀疏更新，在词嵌入权重较大的情况下，使用稀疏更新能够获得更快的训练速度及更小的内存/显存占用。
-    - **padding_idx** (int|long|None) - padding_idx 的配置区间为 ``[-weight.shape[0], weight.shape[0]``，如果配置了 padding_idx，那么在训练过程中遇到此 id 时，其参数及对应的梯度将会以 0 进行填充。
+    - **sparse** (bool，可选) - 是否使用稀疏更新，在词嵌入权重较大的情况下，使用稀疏更新能够获得更快的训练速度及更小的内存/显存占用。
+    - **padding_idx** (int|long|None，可选) - padding_idx 的配置区间为 ``[-weight.shape[0], weight.shape[0]``，如果配置了 padding_idx，那么在训练过程中遇到此 id 时，其参数及对应的梯度将会以 0 进行填充。
     - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。