fix some cn_docs format issues

docs/api/paddle/clone_cn.rst

@@ -5,18 +5,20 @@ clone
 
 .. py:function:: paddle.clone(x, name=None)
 
-对输入 Tensor ``x`` 进行拷贝，并返回一个新的 Tensor。
+对输入 Tensor :attr:`x` 进行拷贝，并返回一个新的 Tensor。
 
 除此之外，该 API 提供梯度计算，在计算反向时，输出 Tensor 的梯度将会回传给输入 Tensor。
 
 参数
 :::::::::
-    - x (Tensor) - 输入 Tensor。
+
+    - **x** (Tensor) - 输入 Tensor。
     - **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
 :::::::::
-``Tensor``，从输入拷贝的 Tensor
+
+``Tensor``，从输入 :attr:`x` 拷贝的 Tensor。
 
 代码示例
 :::::::::

docs/api/paddle/distribution/IndependentTransform_cn.rst

@@ -6,25 +6,18 @@ IndependentTransform
 .. py:class:: paddle.distribution.IndependentTransform(base, reinterpreted_batch_rank)
 
 
- ``IndependentTransform`` 将一个基础变换 ``base`` 的部分批(batch)维度 ``reinterpreted_batch_rank`` 扩展为事件(event)维度。
+ ``IndependentTransform`` 将一个基础变换 :attr:`base` 的部分批（batch）维度 ``reinterpreted_batch_rank`` 扩展为事件（event）维度。
 
- ``IndependentTransform`` 不改变基础变换 ``forward`` 以及 ``inverse`` 计算结果，但会对
- ``forward_log_det_jacobian`` 以及 ``inverse_log_det_jacobian`` 计算结果沿着扩展的维度进行求和。
+ ``IndependentTransform`` 不改变基础变换 ``forward`` 以及 ``inverse`` 计算结果，但会对 ``forward_log_det_jacobian`` 以及 ``inverse_log_det_jacobian`` 计算结果沿着扩展的维度进行求和。
 
-例如，假设基础变换为 ``ExpTransform``，其输入为一个随机采样结果 ``x``，形状
-为 ``(S=[4],B=[2,2],E=[3])`` , ``S`` 、``B`` 、``E`` 分别表示采样形状、批形状、事件形
-状，``reinterpreted_batch_rank=1``。则 ``IndependentTransform(ExpTransform)``
-变换后，``x`` 的形状为 ``(S=[4],B=[2],E=[2,3])``，即将最右侧的批维度作为事件维度。
-此时 ``forward`` 和 ``inverse`` 输出形状仍是 ``(4,2,2,3)`` ,
-但 ``forward_log_det_jacobian`` 以及 ``inverse_log_det_jacobian`` 输出形状
-为 ``(4, 2)`` 。
+例如，假设基础变换为 ``ExpTransform``，其输入为一个随机采样结果 ``x``，形状为 :math:`(S=[4], B=[2,2], E=[3])` , :math:`S`、:math:`B`、:math:`E` 分别表示采样形状、批形状、事件形状，``reinterpreted_batch_rank=1``。则 ``IndependentTransform(ExpTransform)`` 变换后，``x`` 的形状为 :math:`(S=[4], B=[2], E=[2,3])`，即将最右侧的批维度作为事件维度。此时 ``forward`` 和 ``inverse`` 输出形状仍是 :math:`[4, 2, 2, 3]`，但 ``forward_log_det_jacobian`` 以及 ``inverse_log_det_jacobian`` 输出形状为 :math:`[4, 2]`。
 
 
 参数
 :::::::::
 
 - **base** (Transform) - 基础变换。
-- **reinterpreted_batch_rank** (int) - 被扩展为事件维度的最右侧批维度数量。
+- **reinterpreted_batch_rank** (int) - 被扩展为事件维度的最右侧批维度数量，需大于 0。
 
 
 代码示例
@@ -42,12 +35,11 @@ forward(x)
 
 **参数**
 
-- **x** (Tensor) - 正变换输入参数，通常为 :ref:`cn_api_distribution_Distribution`
-  的随机采样结果。
+- **x** (Tensor) - 正变换输入参数，通常为 :ref:`cn_api_distribution_Distribution` 的随机采样结果。
 
 **返回**
 
-- **y** (Tensor) - 正变换的计算结果。
+Tensor，正变换的计算结果。
 
 
 inverse(y)
@@ -61,7 +53,7 @@ inverse(y)
 
 **返回**
 
-- **x** (Tensor) - 逆变换的计算结果。
+Tensor，逆变换的计算结果。
 
 forward_log_det_jacobian(x)
 '''''''''
@@ -76,7 +68,7 @@ forward_log_det_jacobian(x)
 
 **返回**
 
-- Tensor - 正变换雅可比行列式绝对值的对数。
+Tensor，正变换雅可比行列式绝对值的对数。
 
 
 inverse_log_det_jacobian(y)
@@ -92,7 +84,7 @@ inverse_log_det_jacobian(y)
 
 **返回**
 
-- Tensor - 逆变换雅可比行列式绝对值的对数。
+Tensor，逆变换雅可比行列式绝对值的对数。
 
 
 forward_shape(shape)
@@ -106,7 +98,7 @@ forward_shape(shape)
 
 **返回**
 
-- Sequence[int] - 正变换输出的形状。
+Sequence[int]，正变换输出的形状。
 
 
 inverse_shape(shape)
@@ -120,4 +112,4 @@ inverse_shape(shape)
 
 **返回**
 
-- Sequence[int] - 逆变换输出的形状。
+Sequence[int]，逆变换输出的形状。

docs/api/paddle/distribution/Multinomial_cn.rst

@@ -5,10 +5,9 @@ Multinomial
 
 .. py:class:: paddle.distribution.Multinomial(total_count, probs)
 
-``Multinomial`` 表示实验次数为 ``total_count``，概率为 ``probs`` 的多项分布。
+``Multinomial`` 表示实验次数为 :attr:`total_count`，概率为 :attr:`probs` 的多项分布。
 
-在概率论中，多项分布是二项分布的多元推广，表示具有 :math:`k` 个类别的事件重复实验 :math:`n`
-次，每个类别出现次数的概率。当 :math:`k=2` 且 :math:`n=1` 时，为伯努利分布，当 :math:`k=2` 且 :math:`n>1` 时，为二项分布，当 :math:`k>2` 且 :math:`n=1` 时，为分类分布。
+在概率论中，多项分布是二项分布的多元推广，表示具有 :math:`k` 个类别的事件重复实验 :math:`n` 次，每个类别出现次数的概率。当 :math:`k=2` 且 :math:`n=1` 时，为伯努利分布，当 :math:`k=2` 且 :math:`n>1` 时，为二项分布，当 :math:`k>2` 且 :math:`n=1` 时，为分类分布。
 
 多项分布概率密度函数如下：
 
@@ -17,18 +16,15 @@ Multinomial
     f(x_1, ..., x_k; n, p_1,...,p_k) = \frac{n!}{x_1!...x_k!}p_1^{x_1}...p_k^{x_k}
 
 
-其中，:math:`n` 表示实验次数，:math:`k` 表示类别数，:math:`p_i` 表示一次实验中，实验结果
-为第 :math:`i` 个类别的概率，需要满足 :math:`{\textstyle \sum_{i=1}^{k}p_i=1}, p_i \ge 0` ,
- :math:`x_i` 表示第 :math:`i` 个分类出现的次数。
+其中，:math:`n` 表示实验次数，:math:`k` 表示类别数，:math:`p_i` 表示一次实验中，实验结果为第 :math:`i` 个类别的概率，需要满足 :math:`{\textstyle \sum_{i=1}^{k}p_i=1}, p_i \ge 0` , :math:`x_i` 表示第 :math:`i` 个分类出现的次数。
 
 
 
 参数
 :::::::::
 
 - **total_count** (int) - 实验次数。
-- **probs** (Tensor） - 每个类别发生的概率。最后一维为事件维度，其它维为批维度。``probs`` 中
-  的每个元素取值范围为 ``[0,1]``。如果输入数据大于 1，会沿着最后一维进行归一化操作。
+- **probs** (Tensor) - 每个类别发生的概率。最后一维为事件维度，其它维为批维度。:attr:`probs` 中的每个元素取值范围为 :math:`[0, 1]`。如果输入数据大于 1，会沿着最后一维进行归一化操作。
 
 代码示例
 :::::::::
@@ -64,7 +60,7 @@ prob(value)
 
 **返回**
 
-- Tensor: value 的概率。
+Tensor，:attr:`value` 的概率。
 
 
 log_prob(value)
@@ -78,7 +74,7 @@ log_prob(value)
 
 **返回**
 
-- Tensor: value 的对数概率。
+Tensor，:attr:`value` 的对数概率。
 
 
 sample(shape=())
@@ -92,4 +88,4 @@ sample(shape=())
 
 **返回**
 
-- Tensor：样本数据。
+Tensor，样本数据。

docs/api/paddle/distribution/Normal_cn.rst

@@ -7,7 +7,6 @@ Normal
 
 
 
-
 正态分布
 
 数学公式：
@@ -20,15 +19,15 @@ Normal
 
 上面的数学公式中：
 
-:math:`loc = \mu`：平均值。
-:math:`scale = \sigma`：标准差。
-:math:`Z`：正态分布常量。
+- :math:`loc = \mu`：平均值；
+- :math:`scale = \sigma`：标准差；
+- :math:`Z`：正态分布常量。
 
 参数
 ::::::::::::
 
-    - **loc** (int|float|list|numpy.ndarray|Tensor) - 正态分布平均值。数据类型为 int、float、list、numpy.ndarray 或 Tensor。
-    - **scale** (int|float|list|numpy.ndarray|Tensor) - 正态分布标准差。数据类型为 int、float、list、numpy.ndarray 或 Tensor。
+    - **loc** (int|float|list|numpy.ndarray|Tensor) - 正态分布平均值。数据类型为 float32 或 float64。
+    - **scale** (int|float|list|numpy.ndarray|Tensor) - 正态分布标准差。数据类型为 float32 或 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。
 
 代码示例
@@ -97,7 +96,7 @@ probs(value)
 
 **返回**
 
-Tensor，概率，数据类型与 value 相同。
+Tensor，概率，数据类型与 :attr:`value` 相同。
 
 kl_divergence(other)
 '''''''''
@@ -116,12 +115,12 @@ kl_divergence(other)
 
 上面的数学公式中：
 
-:math:`loc = \mu_0`：当前正态分布的平均值。
-:math:`scale = \sigma_0`：当前正态分布的标准差。
-:math:`loc = \mu_1`：另一个正态分布的平均值。
-:math:`scale = \sigma_1`：另一个正态分布的标准差。
-:math:`ratio`：两个标准差之间的比例。
-:math:`diff`：两个平均值之间的差值。
+- :math:`loc = \mu_0`：当前正态分布的平均值；
+- :math:`scale = \sigma_0`：当前正态分布的标准差；
+- :math:`loc = \mu_1`：另一个正态分布的平均值；
+- :math:`scale = \sigma_1`：另一个正态分布的标准差；
+- :math:`ratio`：两个标准差之间的比例；
+- :math:`diff`：两个平均值之间的差值。
 
 **参数**
 

docs/api/paddle/distribution/PowerTransform_cn.rst

@@ -5,7 +5,7 @@ PowerTransform
 
 .. py:class:: paddle.distribution.PowerTransform(power)
 
-幂变换 :math:`y = x^{power}` 。
+幂变换 :math:`y = x^{power}`。
 
 参数
 :::::::::
@@ -26,43 +26,45 @@ forward(x)
 
 计算正变换 :math:`y=f(x)` 的结果。
 
+有助于将一个随机结果变成另一个随机结果。
+
 **参数**
 
 - **x** (Tensor) - 正变换输入参数，通常为 :ref:`cn_api_distribution_Distribution`
   的随机采样结果。
 
 **返回**
 
-- **y** (Tensor) - 正变换的计算结果。
+Tensor，正变换的计算结果。
 
 
 inverse(y)
 '''''''''
 
-计算逆变换 :math:`x = f^{-1}(y)`
+计算逆变换 :math:`x = f^{-1}(y)`。
 
 **参数**
 
 - **y** (Tensor) - 逆变换的输入参数。
 
 **返回**
 
-- **x** (Tensor) - 逆变换的计算结果。
+Tensor，逆变换的计算结果。
 
 forward_log_det_jacobian(x)
 '''''''''
 
 计算正变换雅可比行列式绝对值的对数。
 
-如果变换不是一一映射，则雅可比矩阵不存在，返回 ``NotImplementedError`` 。
+如果变换不是一一映射，则雅可比矩阵不存在，抛出 ``NotImplementedError`` 。
 
 **参数**
 
 - **x** (Tensor) - 输入参数。
 
 **返回**
 
-- Tensor - 正变换雅可比行列式绝对值的对数。
+Tensor，正变换雅可比行列式绝对值的对数。
 
 
 inverse_log_det_jacobian(y)
@@ -78,7 +80,7 @@ inverse_log_det_jacobian(y)
 
 **返回**
 
-- Tensor - 逆变换雅可比行列式绝对值的对数。
+Tensor，逆变换雅可比行列式绝对值的对数。
 
 
 forward_shape(shape)
@@ -92,7 +94,7 @@ forward_shape(shape)
 
 **返回**
 
-- Sequence[int] - 正变换输出的形状。
+Sequence[int]，正变换输出的形状。
 
 
 inverse_shape(shape)
@@ -106,4 +108,4 @@ inverse_shape(shape)
 
 **返回**
 
-- Sequence[int] - 逆变换输出的形状。
+Sequence[int]，逆变换输出的形状。

docs/api/paddle/distribution/ReshapeTransform_cn.rst

@@ -5,8 +5,7 @@ ReshapeTransform
 
 .. py:class:: paddle.distribution.ReshapeTransform(in_event_shape, out_event_shape)
 
-``ReshapeTransform`` 将输入 Tensor 的事件形状 ``in_event_shape`` 改变为 ``out_event_shape`` 。
-其中，``in_event_shape`` 、 ``out_event_shape`` 需要包含相同的元素个数。
+``ReshapeTransform`` 将输入 Tensor 的事件形状 ``in_event_shape`` 改变为 ``out_event_shape``。其中，``in_event_shape``、``out_event_shape`` 需要包含相同的元素个数。
 
 
 参数
@@ -31,41 +30,40 @@ forward(x)
 
 **参数**
 
-- **x** (Tensor) - 正变换输入参数，通常为 :ref:`cn_api_distribution_Distribution`
-  的随机采样结果。
+- **x** (Tensor) - 正变换输入参数，通常为 :ref:`cn_api_distribution_Distribution` 的随机采样结果。
 
 **返回**
 
-- **y** (Tensor) - 正变换的计算结果。
+Tensor，正变换的计算结果。
 
 
 inverse(y)
 '''''''''
 
-计算逆变换 :math:`x = f^{-1}(y)`
+计算逆变换 :math:`x = f^{-1}(y)`。
 
 **参数**
 
 - **y** (Tensor) - 逆变换的输入参数。
 
 **返回**
 
-- **x** (Tensor) - 逆变换的计算结果。
+Tensor，逆变换的计算结果。
 
 forward_log_det_jacobian(x)
 '''''''''
 
 计算正变换雅可比行列式绝对值的对数。
 
-如果变换不是一一映射，则雅可比矩阵不存在，返回 ``NotImplementedError`` 。
+如果变换不是一一映射，则雅可比矩阵不存在，抛出 ``NotImplementedError``。
 
 **参数**
 
 - **x** (Tensor) - 输入参数。
 
 **返回**
 
-- Tensor - 正变换雅可比行列式绝对值的对数。
+Tensor，正变换雅可比行列式绝对值的对数。
 
 
 inverse_log_det_jacobian(y)
@@ -81,7 +79,7 @@ inverse_log_det_jacobian(y)
 
 **返回**
 
-- Tensor - 逆变换雅可比行列式绝对值的对数。
+Tensor，逆变换雅可比行列式绝对值的对数。
 
 
 forward_shape(shape)
@@ -95,7 +93,7 @@ forward_shape(shape)
 
 **返回**
 
-- Sequence[int] - 正变换输出的形状。
+Sequence[int]，正变换输出的形状。
 
 
 inverse_shape(shape)
@@ -109,4 +107,4 @@ inverse_shape(shape)
 
 **返回**
 
-- Sequence[int] - 逆变换输出的形状。
+Sequence[int]，逆变换输出的形状。