fix cn_api_label

docs/api/paddle/CPUPlace_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_CPUPlace:
+.. _cn_api_paddle_CPUPlace:
 
 CPUPlace
 -------------------------------

docs/api/paddle/CUDAPinnedPlace_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_CUDAPinnedPlace:
+.. _cn_api_paddle_CUDAPinnedPlace:
 
 CUDAPinnedPlace
 -------------------------------

docs/api/paddle/CUDAPlace_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_CUDAPlace:
+.. _cn_api_paddle_CUDAPlace:
 
 CUDAPlace
 -------------------------------

docs/api/paddle/DataParallel_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_dygraph_DataParallel:
+.. _cn_api_paddle_DataParallel:
 
 DataParallel
 ------------

docs/api/paddle/LazyGuard_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_LazyGuard:
+.. _cn_api_paddle_LazyGuard:
 
 LazyGuard
 -------------------------------

docs/api/paddle/Model_cn.rst

@@ -165,7 +165,7 @@ prepare(optimizer=None, loss=None, metrics=None, amp_configs=None)
     - **optimizer** (OOptimizer|None，可选) - 当训练模型的，该参数必须被设定。当评估或测试的时候，该参数可以不设定。默认值：None。
     - **loss** (Loss|Callable|None，可选) - 当训练模型的，该参数必须被设定。默认值：None。
     - **metrics** (Metric|list[Metric]|None，可选) - 当该参数被设定时，所有给定的评估方法会在训练和测试时被运行，并返回对应的指标。默认值：None。
-    - **amp_configs** (str|dict|None，可选) - 混合精度训练的配置，通常是个 dict，也可以是 str。当使用自动混合精度训练或者纯 float16 训练时，``amp_configs`` 的 key ``level`` 需要被设置为 O1 或者 O2，float32 训练时则默认为 O0。除了 ``level`` ，还可以传入更多的和混合精度 API 一致的参数，例如：``init_loss_scaling``、 ``incr_ratio`` 、 ``decr_ratio``、 ``incr_every_n_steps``、 ``decr_every_n_nan_or_inf``、 ``use_dynamic_loss_scaling``、 ``custom_white_list``、 ``custom_black_list`` ，在静态图下还支持传入 ``custom_black_varnames`` 和 ``use_fp16_guard`` 。详细使用方法可以参考参考混合精度 API 的文档 :ref:`auto_cast <cn_api_amp_auto_cast>`  和 :ref:`GradScaler <cn_api_amp_GradScaler>` 。为了方便起见，当不设置其他的配置参数时，也可以直接传入 ``'O1'`` 、``'O2'`` 。在使用 float32 训练时，该参数可以为 None。默认值：None。
+    - **amp_configs** (str|dict|None，可选) - 混合精度训练的配置，通常是个 dict，也可以是 str。当使用自动混合精度训练或者纯 float16 训练时，``amp_configs`` 的 key ``level`` 需要被设置为 O1 或者 O2，float32 训练时则默认为 O0。除了 ``level`` ，还可以传入更多的和混合精度 API 一致的参数，例如：``init_loss_scaling``、 ``incr_ratio`` 、 ``decr_ratio``、 ``incr_every_n_steps``、 ``decr_every_n_nan_or_inf``、 ``use_dynamic_loss_scaling``、 ``custom_white_list``、 ``custom_black_list`` ，在静态图下还支持传入 ``custom_black_varnames`` 和 ``use_fp16_guard`` 。详细使用方法可以参考参考混合精度 API 的文档 :ref:`auto_cast <cn_api_paddle_amp_auto_cast>`  和 :ref:`GradScaler <cn_api_paddle_amp_GradScaler>` 。为了方便起见，当不设置其他的配置参数时，也可以直接传入 ``'O1'`` 、``'O2'`` 。在使用 float32 训练时，该参数可以为 None。默认值：None。
 
 
 fit(train_data=None, eval_data=None, batch_size=1, epochs=1, eval_freq=1, log_freq=10, save_dir=None, save_freq=1, verbose=2, drop_last=False, shuffle=True, num_workers=0, callbacks=None, accumulate_grad_batches=1, num_iters=None)

docs/api/paddle/NPUPlace_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_NPUPlace:
+.. _cn_api_paddle_NPUPlace:
 
 NPUPlace
 -------------------------------

docs/api/paddle/ParamAttr_cn.rst

@@ -1,4 +1,4 @@
-.. _cn_api_fluid_ParamAttr:
+.. _cn_api_paddle_ParamAttr:
 
 
 ParamAttr
@@ -10,7 +10,7 @@ ParamAttr
 
 .. note::
     该类中的 ``gradient_clip`` 属性在 2.0 版本会废弃，推荐使用 ``need_clip`` 来设置梯度裁剪范围，并在初始化 ``optimizer`` 时设置梯度裁剪。
-    共有三种裁剪策略： :ref:`cn_api_fluid_clip_ClipGradByGlobalNorm` 、 :ref:`cn_api_fluid_clip_ClipGradByNorm` 、 :ref:`cn_api_fluid_clip_ClipGradByValue` 。
+    共有三种裁剪策略： :ref:`cn_api_paddle_nn_ClipGradByGlobalNorm` 、 :ref:`cn_api_paddle_nn_ClipGradByNorm` 、 :ref:`cn_api_paddle_nn_ClipGradByValue` 。
 
 创建一个参数属性对象，用户可设置参数的名称、初始化方式、学习率、正则化规则、是否需要训练、梯度裁剪方式、是否做模型平均等属性。
 

docs/api/paddle/Tensor/Overview_en.rst

@@ -1,4 +1,3 @@
-
 .. _en_paddle_Tensor:
 
 paddle.Tensor