fix the documentation of GRU, L2Loss, NLLLoss, etc.

docs/api/api_python/nn/mindspore.nn.GRU.rst

@@ -17,6 +17,8 @@ mindspore.nn.GRU
 
     其中 :math:`\sigma` 是sigmoid激活函数， :math:`*` 是乘积。 :math:`W,b` 是公式中输出和输入之间的可学习权重。例如， :math:`W_{ir}, b_{ir}` 是用于将输入 :math:`x` 转换为 :math:`r` 的权重和偏置。详见论文 `Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation <https://aclanthology.org/D14-1179.pdf>`_ 。
 
+    .. note:: 当GRU运行在Ascend上时，hidden size仅支持16的倍数。
+
     **参数：**
 
     - **input_size** (int) - 输入的大小。

docs/api/api_python/nn/mindspore.nn.LSTMCell.rst

@@ -20,7 +20,7 @@ mindspore.nn.LSTMCell
     其中 :math:`\sigma` 是sigmoid函数， :math:`*` 是乘积。 :math:`W,b` 是公式中输出和输入之间的可学习权重。例如，:math:`W_{ix}, b_{ix}` 是用于从输入 :math:`x` 转换为 :math:`i` 的权重和偏置。详见论文 `LONG SHORT-TERM MEMORY <https://www.bioinf.jku.at/publications/older/2604.pdf>`_ 和 `Long Short-Term Memory Recurrent Neural Network Architectures for Large Scale Acoustic Modeling <https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/43905.pdf>`_ 。
 
     **参数：**
-    
+
     - **input_size** (int) - 输入的大小。
     - **hidden_size** (int)- 隐藏状态大小。
     - **has_bias** (bool) - cell是否有偏置 `b_ih` 和 `b_hh` 。默认值：True。

docs/api/api_python/ops/mindspore.ops.ComputeAccidentalHits.rst

@@ -9,7 +9,7 @@
 
     **参数：**
 
-    - **num_true** (int)：每个训练样本的目标类数。默认值：1。
+    - **num_true** (int) - 每个训练样本的目标类数。默认值：1。
 
     **输入：**
 

docs/api/api_python/ops/mindspore.ops.Dropout3D.rst

@@ -13,7 +13,7 @@
 
     **参数：**
 
-    - **keep_prob** (float)：输入通道保留率，数值范围在0到1之间，例如 `keep_prob` = 0.8，意味着过滤20%的通道。默认值：0.5。
+    - **keep_prob** (float) - 输入通道保留率，数值范围在0到1之间，例如 `keep_prob` = 0.8，意味着过滤20%的通道。默认值：0.5。
 
     **输入：**
 

docs/api/api_python/ops/mindspore.ops.L2Loss.rst

@@ -3,7 +3,7 @@ mindspore.ops.L2Loss
 
 .. py:class:: mindspore.ops.L2Loss()
 
-    用于计算L2范数，但不对结果进行开方操作。
+    用于计算L2范数的一半，但不对结果进行开方操作。
 
     把输入设为x，输出设为loss。
 

docs/api/api_python/ops/mindspore.ops.NotEqual.rst

@@ -30,4 +30,4 @@ mindspore.ops.NotEqual
     **异常：**
 
     - **TypeError** - `x` 和 `y` 不是以下之一：Tensor、Number、bool。
-    - **TypeError** - `x` 和 `y` 都不是Tensor。
+    - **TypeError** - `x` 和 `y` 都不是Tensor。

mindspore/python/mindspore/ops/operations/array_ops.py

@@ -1852,6 +1852,7 @@ class ArgMaxWithValue(PrimitiveWithInfer):
     Outputs:
         tuple (Tensor), tuple of 2 tensors, containing the corresponding index and the maximum value of the input
         tensor.
+
         - index (Tensor) - The index for the maximum value of the input tensor. If `keep_dims` is true, the shape of
         output tensors is :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)`. Otherwise, the shape is
         :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)`.
@@ -1920,6 +1921,7 @@ class ArgMinWithValue(PrimitiveWithInfer):
     Outputs:
         tuple (Tensor), tuple of 2 tensors, containing the corresponding index and the minimum value of the input
         tensor.
+
         - index (Tensor) - The index for the minimum value of the input tensor. If `keep_dims` is true, the shape of
         output tensors is :math:`(x_1, x_2, ..., x_{axis-1}, 1, x_{axis+1}, ..., x_N)`. Otherwise, the shape is
         :math:`(x_1, x_2, ..., x_{axis-1}, x_{axis+1}, ..., x_N)`.

mindspore/python/mindspore/ops/operations/nn_ops.py

@@ -2337,7 +2337,7 @@ class SparseSoftmaxCrossEntropyWithLogits(PrimitiveWithInfer):
     .. math::
         \begin{array}{ll} \\
             p_{ij} = softmax(X_{ij}) = \frac{\exp(x_i)}{\sum_{j = 0}^{N-1}\exp(x_j)} \\
-            loss_{ij} = \begin{cases} -ln(p_{ij}), &j = y_i \cr -ln(1 - p_{ij}), & j \neq y_i \end{cases} \\
+            loss_{ij} = \begin{cases} -ln(p_{ij}), &j = y_i \cr 0, & j \neq y_i \end{cases} \\
             loss = \sum_{ij} loss_{ij}
         \end{array}
 
@@ -2601,7 +2601,7 @@ class SoftMarginLoss(Primitive):
 
 class L2Loss(Primitive):
     r"""
-    Calculates the L2 norm, but do not square the result.
+    Calculates half of the L2 norm, but do not square the result.
 
     Set input as x and output as loss.