[Docs] Fix inline backticks in functional loss CN docs (#7867)

Author: Noai-oss

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

@@ -5,7 +5,7 @@ adaptive_log_softmax_with_loss
 
 .. py:function:: paddle.nn.functional.adaptive_log_softmax_with_loss(input, label, head_weight, tail_weights, cutoffs, head_bias=None, name=None)
 
-计算自适应 logsoftmax 结果以及 input 和 label 之间的负对数似然。参数 `head_weight`、`tail_weights`、`cutoffs`和 `head_bias` 是 `AdaptiveLogSoftmaxWithLoss` 的内部成员。
+计算自适应 logsoftmax 结果以及 input 和 label 之间的负对数似然。参数 ``head_weight``、``tail_weights``、``cutoffs`` 和 ``head_bias`` 是 ``AdaptiveLogSoftmaxWithLoss`` 的内部成员。
 请参考：:ref:`cn_api_paddle_nn_AdaptiveLogSoftmaxWithLoss`
 
 

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

@@ -7,24 +7,24 @@ binary_cross_entropy
 
 该函数用于计算输入 ``input`` 和标签 ``label`` 之间的二值交叉熵损失值。二值交叉熵损失函数公式如下：
 
-当 `weight` 不为空时，公式为：
+当 ``weight`` 不为空时，公式为：
 
 .. math::
   Out = -1 * weight * (label * log(input) + (1 - label) * log(1 - input))
 
-当 `weight` 为空时，公式为：
+当 ``weight`` 为空时，公式为：
 
 .. math::
   Out = -1 * (label * log(input) + (1 - label) * log(1 - input))
 
-当 `reduction` 为 `none` 时，直接返回最原始的 `Out` 结果。
+当 ``reduction`` 为 ``none`` 时，直接返回最原始的 ``Out`` 结果。
 
-当 `reduction` 为 `mean` 时，最终的输出结果为：
+当 ``reduction`` 为 ``mean`` 时，最终的输出结果为：
 
 .. math::
   Out = MEAN(Out)
 
-当 `reduction` 为 `sum` 时，最终的输出结果为：
+当 ``reduction`` 为 ``sum`` 时，最终的输出结果为：
 
 .. math::
   Out = SUM(Out)
@@ -35,10 +35,10 @@ binary_cross_entropy
 
 参数
 :::::::::
-    - **input** (Tensor) - :math:`[N, *]`，其中 N 是 batch_size， `*` 是任意其他维度。输入数据 ``input`` 一般是 ``sigmoid`` 的输出。数据类型是 float16、float32、float64。
+    - **input** (Tensor) - :math:`[N, *]`，其中 N 是 batch_size， ``*`` 是任意其他维度。输入数据 ``input`` 一般是 ``sigmoid`` 的输出。数据类型是 float16、float32、float64。
     - **label** (Tensor) - :math:`[N, *]`，标签 ``label`` 的维度、数据类型与输入 ``input`` 相同。
     - **weight** (Tensor，可选) - 手动指定每个 batch 二值交叉熵的权重，如果指定的话，维度必须是一个 batch 的数据的维度。数据类型是 float16、float32, float64。默认值是：None。
-    - **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 `BCELoss` 的均值；设置为 ``'sum'`` 时，计算 `BCELoss` 的总和；设置为 ``'none'`` 时，则返回 bce_loss。
+    - **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 ``BCELoss`` 的均值；设置为 ``'sum'`` 时，计算 ``BCELoss`` 的总和；设置为 ``'none'`` 时，则返回 bce_loss。
     - **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/binary_cross_entropy_with_logits_cn.rst

@@ -5,9 +5,9 @@ binary_cross_entropy_with_logits
 
 .. py:function:: paddle.nn.functional.binary_cross_entropy_with_logits(logit, label, weight=None, reduction='mean', pos_weight=None, name=None)
 
-计算输入 `logit` 和标签 `label` 间的 `binary cross entropy with logits loss` 损失。
+计算输入 ``logit`` 和标签 ``label`` 间的 ``binary cross entropy with logits loss`` 损失。
 
-结合了 `sigmoid` 操作和 :ref:`api_nn_loss_BCELoss` 操作。同时，我们也可以认为这是 ``sigmoid_cross_entrop_with_logits`` 和一些 `reduce` 操作的组合。
+结合了 ``sigmoid`` 操作和 :ref:`api_nn_loss_BCELoss` 操作。同时，我们也可以认为这是 ``sigmoid_cross_entrop_with_logits`` 和一些 ``reduce`` 操作的组合。
 
 在每个类别独立的分类任务中，可以用于计算按元素的概率误差。可以将其视为预测数据点的标签，其中标签不是互斥的。例如，一篇新闻文章可以同时关于政治，科技，体育或者同时不包含这些内容。
 
@@ -28,16 +28,16 @@ binary_cross_entropy_with_logits
 
 然后，当 ``weight`` 或 ``pos_weight`` 不为 None 的时候，将会在输出 Out 上乘以相应的权重。Tensor ``weight`` 给 Batch 中的每一条数据赋予不同权重，Tensor ``pos_weight`` 给每一类的正例添加相应的权重。
 
-最后，将会添加 `reduce` 操作到前面的输出 Out 上。当 `reduction` 为 `none` 时，直接返回最原始的 `Out` 结果。当 `reduction` 为 `mean` 时，返回输出的均值 :math:`Out = MEAN(Out)`。当 `reduction` 为 `sum` 时，返回输出的求和 :math:`Out = SUM(Out)` 。
+最后，将会添加 ``reduce`` 操作到前面的输出 Out 上。当 ``reduction`` 为 ``none`` 时，直接返回最原始的 ``Out`` 结果。当 ``reduction`` 为 ``mean`` 时，返回输出的均值 :math:`Out = MEAN(Out)`。当 ``reduction`` 为 ``sum`` 时，返回输出的求和 :math:`Out = SUM(Out)` 。
 
 **注意：**因为是二分类任务，所以标签值应该是 0 或者 1。
 
 参数
 :::::::::
-    - **logit** (Tensor) - :math:`[N, *]`，其中 N 是 batch_size， `*` 是任意其他维度。输入数据 ``logit`` 一般是线性层的输出，不需要经过 ``sigmoid`` 层。数据类型是 float32、float64。
+    - **logit** (Tensor) - :math:`[N, *]`，其中 N 是 batch_size， ``*`` 是任意其他维度。输入数据 ``logit`` 一般是线性层的输出，不需要经过 ``sigmoid`` 层。数据类型是 float32、float64。
     - **label** (Tensor) - :math:`[N, *]`，标签 ``label`` 的维度、数据类型与输入 ``logit`` 相同。
     - **weight** (Tensor，可选) - 手动指定每个 batch 二值交叉熵的权重，如果指定的话，维度必须是一个 batch 的数据的维度。数据类型是 float32, float64。默认值是：None。
-    - **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 `BCELoss` 的均值；设置为 ``'sum'`` 时，计算 `BCELoss` 的总和；设置为 ``'none'`` 时，则返回原始 loss。
+    - **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 ``BCELoss`` 的均值；设置为 ``'sum'`` 时，计算 ``BCELoss`` 的总和；设置为 ``'none'`` 时，则返回原始 loss。
     - **pos_weight** (Tensor，可选) - 手动指定正类的权重，必须是与类别数相等长度的向量。数据类型是 float32, float64。默认值是：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。
 

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

@@ -5,7 +5,7 @@ cosine_embedding_loss
 
 .. py:function:: paddle.nn.functional.cosine_embedding_loss(input1, input2, label, margin=0, reduction='mean', name=None)
 
-该函数计算输入 input1, input2 和 label 之间的 `CosineEmbedding` 损失
+该函数计算输入 input1, input2 和 label 之间的 ``CosineEmbedding`` 损失
 
 如果 label=1，则该损失函数的数学计算公式如下：
 
@@ -27,13 +27,13 @@ cosine_embedding_loss
     - **input1** (Tensor): - 输入的 Tensor，维度是[N, M]，其中 N 是 batch size，可为 0，M 是数组长度。数据类型为：float32、float64。
     - **input2** (Tensor): - 输入的 Tensor，维度是[N, M]，其中 N 是 batch size，可为 0，M 是数组长度。数据类型为：float32、float64。
     - **label** (Tensor): - 标签，维度是[N]，N 是数组长度，数据类型为：float32、float64、int32、int64。
-    - **margin** (float，可选): - 可以设置的范围为[-1, 1]，建议设置的范围为[0, 0.5]。其默认为 `0`。数据类型为 float。
-    - **reduction** (string，可选): - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 `CosineEmbeddingLoss` 的均值；设置为 ``'sum'`` 时，计算 `CosineEmbeddingLoss` 的总和；设置为 ``'none'`` 时，则返回 `CosineEmbeddingLoss`。数据类型为 string。
+    - **margin** (float，可选): - 可以设置的范围为[-1, 1]，建议设置的范围为[0, 0.5]。其默认为 ``0``。数据类型为 float。
+    - **reduction** (string，可选): - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 ``CosineEmbeddingLoss`` 的均值；设置为 ``'sum'`` 时，计算 ``CosineEmbeddingLoss`` 的总和；设置为 ``'none'`` 时，则返回 ``CosineEmbeddingLoss``。数据类型为 string。
     - **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``，输入 ``input1`` 、 ``input2`` 和标签 ``label`` 间的 `CosineEmbeddingLoss` 损失。如果 `reduction` 是 ``'none'``，则输出 Loss 的维度为 [N]，与输入 ``input1`` 和 ``input2`` 相同。如果 `reduction` 是 ``'mean'`` 或 ``'sum'``，则输出 Loss 的维度为 []。
+``Tensor``，输入 ``input1``、``input2`` 和标签 ``label`` 间的 ``CosineEmbeddingLoss`` 损失。如果 ``reduction`` 是 ``'none'``，则输出 Loss 的维度为 [N]，与输入 ``input1`` 和 ``input2`` 相同。如果 ``reduction`` 是 ``'mean'`` 或 ``'sum'``，则输出 Loss 的维度为 []。
 
 
 代码示例

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

@@ -20,12 +20,12 @@ gaussian_nll_loss
 - **variance** (Tensor): 输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或者维度与 input 相同但最后一维的大小为 1，或者维度与 input 相比缺少最后一维，如 :attr:`input` 的形状为： :math:`(N, 3)` 时， :attr:`input` 的形状可为 :math:`(N, 1)` 或 :math:`(N)`，这时会进行 broadcast 操作。正方差样本，可为不同标签对应不同的方差（异方差性），也可以为同一个方差（同方差性）。数据类型为 float32 或 float64。
 - **full** (bool，可选) - 是否在损失计算中包括常数项。默认情况下为 False，表示忽略最后的常数项。
 - **epsilon** (float，可选) - 用于限制 variance 的值，使其不会导致除 0 的出现。默认值为 1e-6。
-- **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有 ``none``、``mean`` 和 ``sum``。默认为 ``mean``，计算 ``mini-batch`` loss 均值。设置为 `sum` 时，计算 `mini-batch` loss 的总和。设置为 ``none`` 时，则返回 loss Tensor。
+- **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有 ``none``、``mean`` 和 ``sum``。默认为 ``mean``，计算 ``mini-batch`` loss 均值。设置为 ``sum`` 时，计算 ``mini-batch`` loss 的总和。设置为 ``none`` 时，则返回 loss 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`，返回存储表示 `gaussian negative log likelihood loss` 的损失值。如果 `reduction` 为 `'none'`，则输出 Loss 形状与输入相同为 `(N, *)`。如果 `reduction` 为 `'sum'` 或者 `'mean'`，则输出 Loss 形状为 `'(1)'` 。
+``Tensor``，返回存储表示 ``gaussian negative log likelihood loss`` 的损失值。如果 ``reduction`` 为 ``'none'``，则输出 Loss 形状与输入相同为 ``(N, *)``。如果 ``reduction`` 为 ``'sum'`` 或者 ``'mean'``，则输出 Loss 形状为 ``(1)``。
 
 代码示例
 :::::::::

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

@@ -5,7 +5,7 @@ hinge_embedding_loss
 
 .. py:class:: paddle.nn.functional.hinge_embedding_loss(input, label, margin=1.0, reduction='mean', name=None)
 
-计算输入 input 和标签 label（包含 1 和 -1） 间的 `hinge embedding loss` 损失。
+计算输入 input 和标签 label（包含 1 和 -1）间的 ``hinge embedding loss`` 损失。
 
 该损失通常用于度量输入 input 和标签 label 是否相似或不相似，例如可以使用 L1 成对距离作为输入 input，通常用于学习非线性嵌入或半监督学习。
 
@@ -29,10 +29,10 @@ hinge_embedding_loss
 
 参数
 :::::::::
-    - **input** (Tensor): - 输入的 Tensor，维度是 [N, *]，其中 N 是 batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64。
+    - **input** (Tensor): - 输入的 Tensor，维度是 [N, *]，其中 N 是 batch size， ``*`` 是任意数量的额外维度。数据类型为：float32、float64。
     - **label** (Tensor): - 标签，维度是 [N, *]，与 ``input`` 相同，Tensor 中的值应该只包含 1 和 -1。数据类型为：float32、float64。
-    - **margin** (float，可选): - 当 label 为 -1 时，该值决定了小于 `margin` 的 input 才需要纳入 `hinge embedding loss` 的计算。默认为 1.0 。
-    - **reduction** (str，可选): - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 `hinge embedding loss` 的均值；设置为 ``'sum'`` 时，计算 `hinge embedding loss` 的总和；设置为 ``'none'`` 时，则返回 `hinge embedding loss`。
+    - **margin** (float，可选): - 当 label 为 -1 时，该值决定了小于 ``margin`` 的 input 才需要纳入 ``hinge embedding loss`` 的计算。默认为 1.0 。
+    - **reduction** (str，可选): - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 ``hinge embedding loss`` 的均值；设置为 ``'sum'`` 时，计算 ``hinge embedding loss`` 的总和；设置为 ``'none'`` 时，则返回 ``hinge embedding loss``。
     - **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
@@ -41,9 +41,9 @@ hinge_embedding_loss
 
 形状
 :::::::::
-    - **input** (Tensor): - 输入的 Tensor，维度是 [N, *]，其中 N 是 batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64。
+    - **input** (Tensor): - 输入的 Tensor，维度是 [N, *]，其中 N 是 batch size， ``*`` 是任意数量的额外维度。数据类型为：float32、float64。
     - **label** (Tensor): - 标签，维度是 [N, *]，与 ``input`` 相同，应该只包含 1 和 -1。数据类型为：float32、float64。
-    - **output** (Tensor): - 输入 ``input`` 和标签 ``label`` 间的 `hinge embedding loss` 损失。如果 `reduction` 是 ``'none'``，则输出 Loss 的维度为 [N, *]，与输入 ``input`` 相同。如果 `reduction` 是 ``'mean'`` 或 ``'sum'``，则输出 Loss 的维度为 []。
+    - **output** (Tensor): - 输入 ``input`` 和标签 ``label`` 间的 ``hinge embedding loss`` 损失。如果 ``reduction`` 是 ``'none'``，则输出 Loss 的维度为 [N, *]，与输入 ``input`` 相同。如果 ``reduction`` 是 ``'mean'`` 或 ``'sum'``，则输出 Loss 的维度为 []。
 
 代码示例
 :::::::::

docs/api/paddle/nn/functional/l1_loss_cn.rst

@@ -5,36 +5,36 @@ l1_loss
 
 .. py:function:: paddle.nn.functional.l1_loss(input, label, reduction='mean', name=None)
 
-计算输入 ``input`` 和标签 ``label`` 间的 `L1 loss` 损失。
+计算输入 ``input`` 和标签 ``label`` 间的 ``L1 loss`` 损失。
 
 该损失函数的数学计算公式如下：
 
-当 `reduction` 设置为 ``'none'`` 时：
+当 ``reduction`` 设置为 ``'none'`` 时：
 
 ..  math::
     Out = \lvert input - label\rvert
 
-当 `reduction` 设置为 ``'mean'`` 时：
+当 ``reduction`` 设置为 ``'mean'`` 时：
 
 ..  math::
     Out = MEAN(\lvert input - label\rvert)
 
-当 `reduction` 设置为 ``'sum'`` 时：
+当 ``reduction`` 设置为 ``'sum'`` 时：
 
 ..  math::
     Out = SUM(\lvert input - label\rvert)
 
 
 参数
 :::::::::
-    - **input** (Tensor) - 输入的 Tensor，维度是[N, *]，其中 N 是 batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
+    - **input** (Tensor) - 输入的 Tensor，维度是[N, *]，其中 N 是 batch size， ``*`` 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
     - **label** (Tensor) - 标签，维度是[N, *]，与 ``input`` 相同。数据类型为：float32、float64、int32、int64。
-    - **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 `L1Loss` 的均值；设置为 ``'sum'`` 时，计算 `L1Loss` 的总和；设置为 ``'none'`` 时，则返回 `L1Loss`。
+    - **reduction** (str，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'``, ``'mean'``, ``'sum'``。默认为 ``'mean'``，计算 ``L1Loss`` 的均值；设置为 ``'sum'`` 时，计算 ``L1Loss`` 的总和；设置为 ``'none'`` 时，则返回 ``L1Loss``。
     - **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``，输入 ``input`` 和标签 ``label`` 间的 `L1 loss` 损失。如果 `reduction` 是 ``'none'``，则输出 Loss 的形状为 [N, *]，与输入 ``input`` 相同。如果 `reduction` 是 ``'mean'`` 或 ``'sum'``，则输出 Loss 的形状为 []。
+``Tensor``，输入 ``input`` 和标签 ``label`` 间的 ``L1 loss`` 损失。如果 ``reduction`` 是 ``'none'``，则输出 Loss 的形状为 [N, *]，与输入 ``input`` 相同。如果 ``reduction`` 是 ``'mean'`` 或 ``'sum'``，则输出 Loss 的形状为 []。
 
 
 代码示例

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

@@ -5,35 +5,35 @@ margin_ranking_loss
 
 .. py:function:: paddle.nn.functional.margin_ranking_loss(input, other, label, margin=0.0, reduction='mean', name=None)
 
-计算输入 input，other 和 标签 label 间的 `margin rank loss` 损失。该损失函数的数学计算公式如下：
+计算输入 input，other 和标签 label 间的 ``margin rank loss`` 损失。该损失函数的数学计算公式如下：
 
  .. math::
      margin\_rank\_loss = max(0, -label * (input - other) + margin)
 
-当 `reduction` 设置为 ``'mean'`` 时，
+当 ``reduction`` 设置为 ``'mean'`` 时，
 
     .. math::
        Out = MEAN(margin\_rank\_loss)
 
-当 `reduction` 设置为 ``'sum'`` 时，
+当 ``reduction`` 设置为 ``'sum'`` 时，
 
     .. math::
        Out = SUM(margin\_rank\_loss)
 
-当 `reduction` 设置为 ``'none'`` 时，直接返回最原始的 `margin_rank_loss` 。
+当 ``reduction`` 设置为 ``'none'`` 时，直接返回最原始的 ``margin_rank_loss``。
 
 参数
 ::::::::
-    - **input** (Tensor) - 第一个输入的 `Tensor`，数据类型为：float32、float64。
-    - **other** (Tensor) - 第二个输入的 `Tensor`，数据类型为：float32、float64。
+    - **input** (Tensor) - 第一个输入的 ``Tensor``，数据类型为：float32、float64。
+    - **other** (Tensor) - 第二个输入的 ``Tensor``，数据类型为：float32、float64。
     - **label** (Tensor) - 训练数据的标签，数据类型为：float32、float64。
     - **margin** (float，可选) - 用于加和的 margin 值，默认值为 0。
     - **reduction** (string，可选) - 指定应用于输出结果的计算方式，可选值有：``'none'`` 、 ``'mean'`` 、 ``'sum'``。如果设置为 ``'none'``，则直接返回 最原始的 ``margin_rank_loss``。如果设置为 ``'sum'``，则返回 ``margin_rank_loss`` 的总和。如果设置为 ``'mean'``，则返回 ``margin_rank_loss`` 的平均值。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。
 
 返回
 ::::::::
-Tensor，如果 :attr:`reduction` 为 ``'sum'`` 或者是 ``'mean'``，则形状为 :math:`[]`，否则 shape 和输入 `input` 保持一致。数据类型与 ``input``、 ``other`` 相同。
+Tensor，如果 :attr:`reduction` 为 ``'sum'`` 或者是 ``'mean'``，则形状为 :math:`[]`，否则 shape 和输入 ``input`` 保持一致。数据类型与 ``input``、``other`` 相同。
 
 代码示例
 ::::::::