update PixelShuffle api

docs/api/paddle/nn/PReLU_cn.rst

@@ -16,10 +16,10 @@ PReLU 激活层（PReLU Activation Operator）。计算公式如下：
 
 参数
 ::::::::::
-    - num_parameters (int，可选) - 可训练`weight`数量，支持 2 种输入：1 - 输入中的所有元素使用同一个`weight`值；输入的通道数 - 在同一个通道中的元素使用同一个`weight`值。默认为 1。
-    - init (float，可选) - `weight`的初始值。默认为 0.25。
-    - weight_attr (ParamAttr，可选) - 指定权重参数属性的对象。默认值为 None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_ParamAttr` 。
-    - data_format (str，可选) – 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是 "NC", "NCL", "NCHW", "NCDHW", "NLC", "NHWC" 或者 "NDHWC"。默认值："NCHW"。
+    - **num_parameters** (int，可选) - 可训练`weight`数量，支持 2 种输入：1 - 输入中的所有元素使用同一个`weight`值；输入的通道数 - 在同一个通道中的元素使用同一个`weight`值。默认为 1。
+    - **init** (float，可选) - `weight`的初始值。默认为 0.25。
+    - **weight_attr** (ParamAttr，可选) - 指定权重参数属性的对象。默认值为 None，表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_ParamAttr` 。
+    - **data_format** (str，可选) – 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是 "NC", "NCL", "NCHW", "NCDHW", "NLC", "NHWC" 或者 "NDHWC"。默认值："NCHW"。
     - **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/PixelShuffle_cn.rst

@@ -4,7 +4,7 @@ PixelShuffle
 -------------------------------
 
 .. py:function:: paddle.nn.PixelShuffle(upscale_factor, data_format="NCHW", name=None)
-该算子将一个形为[N, C, H, W]或是[N, H, W, C]的 Tensor 重新排列成形为 [N, C/r**2, H*r, W*r]或 [N, H*r, W*r, C/r**2]  的 Tensor。这样做有利于实现步长（stride）为 1/r 的高效 sub-pixel（亚像素）卷积。详见 Shi 等人在 2016 年发表的论文 `Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network <https://arxiv.org/abs/1609.05158v2>`_ 。
+该算子将一个形为 :math:`[N, C, H, W]` 或是 :math:`[N, H, W, C]` 的 Tensor 重新排列成形为 :math:`[N, C/r^2, H \times r, W \times r]` 或 :math:`[N, H \times r, W \times r, C/r^2]` 的 Tensor。这样做有利于实现步长（stride）为 :math:`1/r` 的高效 sub-pixel（亚像素）卷积。详见 Shi 等人在 2016 年发表的论文 `Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network <https://arxiv.org/abs/1609.05158v2>`_ 。
 
 .. code-block:: text
 
@@ -14,8 +14,8 @@ PixelShuffle
 
 参数
 :::::::::
-    - **upscale_factor** （int)：增大空间分辨率的增大因子
-    - **data_format** (str，可选)：数据格式，可选："NCHW"或"NHWC"，默认："NCHW"
+    - **upscale_factor** （int) - 增大空间分辨率的增大因子
+    - **data_format** (str，可选) - 数据格式，可选："NCHW"或"NHWC"，默认："NCHW"
     - **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/RReLU_cn.rst

@@ -49,4 +49,4 @@ RReLU 激活层，应用随机纠正线性单元对神经元激活，参考论
 代码示例
 :::::::::
 
-COPY-FROM: paddle.nn.RRelu
+COPY-FROM: paddle.nn.RReLU

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

@@ -5,16 +5,16 @@ pixel_shuffle
 -------------------------------
 
 .. py:function:: paddle.nn.functional.pixel_shuffle(x, upscale_factor, data_format="NCHW", name=None)
-该算子将一个形为[N, C, H, W]或是[N, H, W, C]的 Tensor 重新排列成形为 [N, C/r**2, H*r, W*r]或 [N, H*r, W*r, C/r**2]  的 Tensor。这样做有利于实现步长（stride）为 1/r 的高效 sub-pixel（亚像素）卷积。详见 Shi 等人在 2016 年发表的论文 `Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network <https://arxiv.org/abs/1609.05158v2>`_ 。
+将一个形为 :math:`[N, C, H, W]` 或 :math:`[N, H, W, C]` 的 Tensor 重新排列成形为 :math:`[N, C/r^2, H \times r, W \times r]` 或 :math:`[N, H \times r, W \times r, C/r^2]` 的 Tensor。这样做有利于实现步长（stride）为 1/r 的高效 sub-pixel（亚像素）卷积。详见 Shi 等人在 2016 年发表的论文 `Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network <https://arxiv.org/abs/1609.05158v2>`_ 。
 
 .. note::
    详细请参考对应的 `Class` 请参考：:ref:`cn_api_nn_PixelShuffle` 。
 
 参数
 :::::::::
-    - **x** (Tensor)：当前算子的输入，其是一个形状为 `[N, C, H, W]` 的 4-D Tensor。其中 `N` 是 batch size, `C` 是通道数，`H` 是输入特征的高度，`W` 是输入特征的宽度。其数据类型为 float32 或者 float64。
-    - **upscale_factor** （int)：增大空间分辨率的增大因子
-    - **data_format** (str，可选)：数据格式，可选："NCHW"或"NHWC"，默认："NCHW"
+    - **x** (Tensor) - 当前算子的输入，其是一个形状为 `[N, C, H, W]` 的 4-D Tensor。其中 `N` 是 batch size, `C` 是通道数，`H` 是输入特征的高度，`W` 是输入特征的宽度。其数据类型为 float32 或者 float64。
+    - **upscale_factor** （int) - 增大空间分辨率的增大因子
+    - **data_format** (str，可选) - 数据格式，可选："NCHW"或"NHWC"，默认："NCHW"
     - **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。
 
 返回

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

@@ -15,9 +15,9 @@ prelu 激活层（PRelu Activation Operator）。计算公式如下：
 
 参数
 ::::::::::
-    - x (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
-    - weight (Tensor) - 可训练参数，数据类型同``x`` 一致，形状支持 2 种：[1] 或者 [in]，其中`in`为输入的通道数。
-    - data_format (str，可选) – 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是 "NC", "NCL", "NCHW", "NCDHW", "NLC", "NHWC" 或者 "NDHWC"。默认值："NCHW"。
+    - **x** (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
+    - **weight** (Tensor) - 可训练参数，数据类型同``x`` 一致，形状支持 2 种：[1] 或者 [in]，其中`in`为输入的通道数。
+    - **data_format** (str，可选) – 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是 "NC", "NCL", "NCHW", "NCDHW", "NLC", "NHWC" 或者 "NDHWC"。默认值："NCHW"。
     - **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。
 
 返回

docs/api/paddle/nn/functional/relu6_cn.rst

@@ -15,7 +15,7 @@ relu6 激活层
 
 参数
 ::::::::::
- - x (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
+ - **x** (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
  - **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。
 
 返回

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

@@ -16,7 +16,7 @@ relu 激活层（Rectified Linear Unit）。计算公式如下：
 
 参数
 ::::::::::
-    - x (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
+    - **x** (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
     - **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。
 
 返回

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

@@ -21,9 +21,9 @@ selu 激活层
 ::::::::::::
 
 ::::::::::
- - x (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
- - scale (float，可选) - selu 激活计算公式中的 scale 值，必须大于 1.0。默认值为 1.0507009873554804934193349852946。
- - alpha (float，可选) - selu 激活计算公式中的 alpha 值，必须大于等于零。默认值为 1.6732632423543772848170429916717。
+ - **x** (Tensor) - 输入的 ``Tensor``，数据类型为：float32、float64。
+ - **scale** (float，可选) - selu 激活计算公式中的 scale 值，必须大于 1.0。默认值为 1.0507009873554804934193349852946。
+ - **alpha** (float，可选) - selu 激活计算公式中的 alpha 值，必须大于等于零。默认值为 1.6732632423543772848170429916717。
  - **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。
 
 返回