modify punctuation (#4931)

* modify comma

* modify stop

* modify stop after None

* modify stop

* stop after serial num

* stop in the end

* 。 between nums

* colon 1

* :xxx:`xxx`

* url fix

* semicolon

* Update GradScaler_cn.rst

* Update EarlyStopping_cn.rst

* Update ParallelEnv_cn.rst

* Update Transform_cn.rst

* Update fft2_cn.rst

* Update fftfreq_cn.rst

* Delete ResNeXt_cn.rst

* Update ResNet_cn.rst

Co-authored-by: Ligoml <[email protected]>

Author: yang131313

docs/api/paddle/DataParallel_cn.rst

@@ -29,7 +29,7 @@ DataParallel
     - **strategy** (ParallelStrategy，可选) - (deprecated) 数据并行的策略，包括并行执行的环境配置。默认为None。
     - **comm_buffer_size** (int，可选) - 它是通信调用（如NCCLAllReduce）时，参数梯度聚合为一组的内存大小（MB）。默认值：25。
     - **last_comm_buffer_size** （float，可选）它限制通信调用中最后一个缓冲区的内存大小（MB）。减小最后一个通信缓冲区的大小有助于提高性能。默认值：1。默认值：1    
-    - **find_unused_parameters** (bool， 可选) 是否在模型forward函数的返回值的所有张量中，遍历整个向后图。对于不包括在loss计算中的参数，其梯度将被预先标记为ready状态用于后续多卡间的规约操作。请注意，模型参数的所有正向输出必须参与loss的计算以及后续的梯度计算。 否则，将发生严重错误。请注意，将find_unused_parameters设置为True会影响计算性能， 因此，如果确定所有参数都参与了loss计算和自动反向图的构建，请将其设置为False。默认值：False。
+    - **find_unused_parameters** (bool，可选) 是否在模型forward函数的返回值的所有张量中，遍历整个向后图。对于不包括在loss计算中的参数，其梯度将被预先标记为ready状态用于后续多卡间的规约操作。请注意，模型参数的所有正向输出必须参与loss的计算以及后续的梯度计算。否则，将发生严重错误。请注意，将find_unused_parameters设置为True会影响计算性能，因此，如果确定所有参数都参与了loss计算和自动反向图的构建，请将其设置为False。默认值：False。
 
 返回
 ::::::::::::
@@ -64,11 +64,11 @@ state_dict(destination=None, include_sublayers=True)
 
 **参数**
 
-    - **destination** (dict, 可选) - 如果提供 ``destination`` ，则所有参数和持久的buffers都将存放在 ``destination`` 中。 默认值：None。
-    - **include_sublayers** (bool, 可选) - 如果设置为True，则包括子层的参数和buffers。默认值：True。
+    - **destination** (dict，可选) - 如果提供 ``destination``，则所有参数和持久的buffers都将存放在 ``destination`` 中。默认值：None。
+    - **include_sublayers** (bool，可选) - 如果设置为True，则包括子层的参数和buffers。默认值：True。
 
 **返回**
-dict， 包含所有parameters和持久的buffers的dict。
+dict，包含所有parameters和持久的buffers的dict。
 
 **代码示例**
 
@@ -78,12 +78,12 @@ COPY-FROM: paddle.DataParallel.state_dict
 set_state_dict(state_dict, use_structured_name=True)
 '''''''''
 
-根据传入的 ``state_dict`` 设置parameters和持久的buffers。 所有parameters和buffers将由 ``state_dict`` 中的 ``Tensor`` 设置。
+根据传入的 ``state_dict`` 设置parameters和持久的buffers。所有parameters和buffers将由 ``state_dict`` 中的 ``Tensor`` 设置。
 
 **参数**
 
     - **state_dict** (dict) - 包含所有parameters和可持久性buffers的dict。
-    - **use_structured_name** (bool, 可选) - 如果设置为True，将使用Layer的结构性变量名作为dict的key，否则将使用Parameter或者Buffer的变量名作为key。默认值：True。
+    - **use_structured_name** (bool，可选) - 如果设置为True，将使用Layer的结构性变量名作为dict的key，否则将使用Parameter或者Buffer的变量名作为key。默认值：True。
 
 
 **返回**

docs/api/paddle/Model_cn.rst

@@ -12,18 +12,18 @@ Model
 参数
 :::::::::
 
-    - **network** (paddle.nn.Layer): 是 ``paddle.nn.Layer`` 的一个实例
-    - **inputs** (InputSpec|list|dict|None, 可选):  ``network`` 的输入，可以是 ``InputSpec`` 的实例，或者是一个 ``InputSpec`` 的 ``list`` ,或者是格式为 ``{name: InputSpec}`` 的 ``dict`` ，或者为 ``None`` . 默认值为 ``None`` .
-    - **labels** (InputSpec|list|None, 可选): ``network`` 的标签，可以是 ``InputSpec`` 的实例，或者是一个 ``InputSpec`` 的 ``list`` ,或者为 ``None``. 默认值为 ``None`` .
+    - **network** (paddle.nn.Layer)：是 ``paddle.nn.Layer`` 的一个实例
+    - **inputs** (InputSpec|list|dict|None，可选):  ``network`` 的输入，可以是 ``InputSpec`` 的实例，或者是一个 ``InputSpec`` 的 ``list``，或者是格式为 ``{name: InputSpec}`` 的 ``dict``，或者为 ``None``。默认值为 ``None``。
+    - **labels** (InputSpec|list|None，可选): ``network`` 的标签，可以是 ``InputSpec`` 的实例，或者是一个 ``InputSpec`` 的 ``list``，或者为 ``None``。默认值为 ``None``。
 
 .. note::
 
-    在动态图中， ``inputs`` 和 ``labels`` 都可以设置为 ``None``. 但是，在静态图中， ``input`` 不能设置为 ``None`` . 而如果损失函数需要标签(label)作为输入，则必须设置 ``labels`` ，否则，可以为 ``None`` 。
+    在动态图中，``inputs`` 和 ``labels`` 都可以设置为 ``None``。但是，在静态图中，``input`` 不能设置为 ``None``。而如果损失函数需要标签(label)作为输入，则必须设置 ``labels``，否则，可以为 ``None`` 。
 
 代码示例
 :::::::::
 
-1.一般示例
+1. 一般示例
 
 .. code-block:: python
 
@@ -59,7 +59,7 @@ Model
     model.fit(data, epochs=2, batch_size=32, verbose=1)
 
 
-2.使用混合精度训练的例子
+2. 使用混合精度训练的例子
 
 .. code-block:: python
 
@@ -102,7 +102,7 @@ train_batch(inputs, labels=None)
 **参数**
 
     - **inputs** (list) - 1维列表，每个元素都是一批次的输入数据，数据类型为 ``numpy.ndarray``。
-    - **labels** (list) - 1维列表，每个元素都是一批次的输入标签，数据类型为 ``numpy.ndarray`` 。默认值：None。
+    - **labels** (list) - 1维列表，每个元素都是一批次的输入标签，数据类型为 ``numpy.ndarray``。默认值：None。
 
 **返回**
 
@@ -146,7 +146,7 @@ eval_batch(inputs, labels=None)
 
 
     - **inputs** (list) - 1维列表，每个元素都是一批次的输入数据，数据类型为 ``numpy.ndarray`` 。
-    - **labels** (list) - 1维列表，每个元素都是一批次的输入标签，数据类型为 ``numpy.ndarray`` 。默认值：None。
+    - **labels** (list) - 1维列表，每个元素都是一批次的输入标签，数据类型为 ``numpy.ndarray``。默认值：None。
 
 **返回**
 
@@ -292,7 +292,7 @@ load(path, skip_mismatch=False, reset_optimizer=False)
 **参数**
 
 
-    - **path** (str) - 保存参数或优化器信息的文件前缀。格式如 ``path.pdparams`` 或者 ``path.pdopt`` ，后者是非必要的，如果不想恢复优化器信息。
+    - **path** (str) - 保存参数或优化器信息的文件前缀。格式如 ``path.pdparams`` 或者 ``path.pdopt``，后者是非必要的，如果不想恢复优化器信息。
     - **skip_mismatch** (bool) - 是否需要跳过保存的模型文件中形状或名称不匹配的参数，设置为 ``False`` 时，当遇到不匹配的参数会抛出一个错误。默认值：False。
     - **reset_optimizer** (bool) - 设置为 ``True`` 时，会忽略提供的优化器信息文件。否则会载入提供的优化器信息。默认值：False。
 
@@ -358,7 +358,7 @@ prepare(optimizer=None, loss=None, metrics=None, amp_configs=None)
     - **optimizer** (Optimizer) - 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) - 当训练模型的，该参数必须被设定。默认值：None。
     - **metrics** (Metric|list[Metric]) - 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) - 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) - 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。
 
 
 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)
@@ -427,7 +427,7 @@ None
                   save_dir='mnist_checkpoint')
 
 
-    2. 使用Dataloader训练的例子.
+    2. 使用Dataloader训练的例子。
 
     .. code-block:: python
 

docs/api/paddle/ParamAttr_cn.rst

@@ -10,18 +10,18 @@ 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:`api_paddle_nn_ClipGradByGlobalNorm` 、:ref:`api_paddle_nn_ClipGradByNorm` 、 :ref:`api_paddle_nn_ClipGradByValue` 。
+    共有三种裁剪策略：:ref:`api_paddle_nn_ClipGradByGlobalNorm` 、:ref:`api_paddle_nn_ClipGradByNorm` 、 :ref:`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。
 
 参数
 ::::::::::::
 
-    - **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。
+    - **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。
     - **initializer** (Initializer，可选) - 参数的初始化方式。默认值为None，表示权重参数采用Xavier初始化方式，偏置参数采用全0初始化方式。
     - **learning_rate** (float，可选) - 参数的学习率。实际参数的学习率等于全局学习率乘以参数的学习率，再乘以learning rate schedule的系数。
-    - **regularizer** (WeightDecayRegularizer，可选) - 正则化方法。支持两种正则化策略: :ref:`api_paddle_regularizer_L1Decay` 、 
-      :ref:`api_paddle_regularizer_L2Decay` ，如果在 ``optimizer`` (例如 :ref:`api_paddle_optimizer_SGD` ) 中也
+    - **regularizer** (WeightDecayRegularizer，可选) - 正则化方法。支持两种正则化策略：:ref:`api_paddle_regularizer_L1Decay` 、 
+      :ref:`api_paddle_regularizer_L2Decay`，如果在 ``optimizer`` (例如 :ref:`api_paddle_optimizer_SGD` ) 中也
       设置了正则化，``optimizer`` 中的正则化将被忽略。默认值为None，表示没有正则化。
     - **trainable** (bool，可选) - 参数是否需要训练。默认值为True，表示需要训练。
     - **do_model_average** (bool，可选) - 是否做模型平均。默认值为True。仅在 :ref:`ExponentialMovingAverage` 下使用。