[Docs] Fix inline backticks in 1D pooling CN docs (#7857)

Author: Noai-oss

docs/api/paddle/nn/AdaptiveMaxPool1D_cn.rst

@@ -5,8 +5,8 @@ AdaptiveMaxPool1D
 
 .. py:class:: paddle.nn.AdaptiveMaxPool1D(output_size, return_mask=False, name=None)
 
-根据输入 `x` , `output_size` 等参数对一个输入 Tensor 计算 1D 的自适应最大池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``output_size`` 等参数对一个输入 Tensor 计算 1D 的自适应最大池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 计算公式如下：
 

docs/api/paddle/nn/AvgPool1D_cn.rst

@@ -5,8 +5,8 @@ AvgPool1D
 
 .. py:class:: paddle.nn.AvgPool1D(kernel_size, stride=None, padding=0, exclusive=True, ceil_mode=False, name=None)
 
-根据输入 `x` , `kernel_size` 等参数对一个输入 Tensor 计算 1D 的平均池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``kernel_size`` 等参数对一个输入 Tensor 计算 1D 的平均池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是 k, 1d 平均池化计算公式如下：
 
@@ -18,7 +18,7 @@ AvgPool1D
 :::::::::
     - **kernel_size** (int|list|tuple) - 池化核的尺寸大小。如果 kernel_size 为 list 或 tuple 类型，其必须包含一个整数，最终池化核的大小为该数值。
     - **stride** (int|list|tuple，可选) - 池化操作步长。如果 stride 为 list 或 tuple 类型，其必须包含一个整数，最终池化操作的步长为该数值。默认值为 None，这时会使用 kernel_size 作为 stride。
-    - **padding** (str|int|list|tuple，可选) - 池化补零的方式。如果 padding 是一个字符串，则必须为 `SAME` 或者 `VALID`。如果是 tuple 或者 list 类型，若其长度为 1，则会在输入的两端都填充上长度为 padding[0] 的 0，若其长度为 2，则应是 `[pad_before, pad_after]` 形式。如果 padding 是一个非 0 整数，那么表示会在输入的两端都填充上同样长度的 0。如果 padding 是长度为 2 的序列组成的 list 或 tuple，则其中的每个元素表示在相应维度上的填充长度。注意：在 batch_size 维度和通道维度应该设置为 [0, 0] 或 (0, 0)。默认值为 0。
+    - **padding** (str|int|list|tuple，可选) - 池化补零的方式。如果 padding 是一个字符串，则必须为 ``SAME`` 或者 ``VALID``。如果是 tuple 或者 list 类型，若其长度为 1，则会在输入的两端都填充上长度为 padding[0] 的 0，若其长度为 2，则应是 ``[pad_before, pad_after]`` 形式。如果 padding 是一个非 0 整数，那么表示会在输入的两端都填充上同样长度的 0。如果 padding 是长度为 2 的序列组成的 list 或 tuple，则其中的每个元素表示在相应维度上的填充长度。注意：在 batch_size 维度和通道维度应该设置为 [0, 0] 或 (0, 0)。默认值为 0。
     - **exclusive** (bool，可选) - 是否用额外 padding 的值计算平均池化结果，默认为 True。
     - **ceil_mode** (bool，可选) - 是否用 ceil 函数计算输出的 height 和 width，如果设置为 False，则使用 floor 函数来计算，默认为 False。
     - **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/LPPool1D_cn.rst

@@ -5,8 +5,8 @@ LPPool1D
 
 .. py:function:: paddle.nn.LPPool1D(norm_type, kernel_size, stride=None, padding=0, ceil_mode=False, data_format="NCL", name=None)
 
-根据输入 `x` , `kernel_size` 等参数对一个输入 Tensor 计算 1D 的幂平均池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``kernel_size`` 等参数对一个输入 Tensor 计算 1D 的幂平均池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是 k, 1d 平均池化计算公式如下：
 

docs/api/paddle/nn/MaxPool1D_cn.rst

@@ -5,7 +5,7 @@ MaxPool1D
 
 .. py:class:: paddle.nn.MaxPool1D(kernel_size, stride=None, padding=0, return_mask=False, ceil_mode=False, dilation=1, name=None)
 
-根据输入 `x` ， `kernel_size` 等参数对一个输入 Tensor 计算 1D 的最大值池化。输入和输出都是 3-D Tensor，默认是以 `NCL` 格式表示的，其中 `N` 是 batch size，`C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` ， ``kernel_size`` 等参数对一个输入 Tensor 计算 1D 的最大值池化。输入和输出都是 3-D Tensor，默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size，``C`` 是通道数，``L`` 是输入特征的长度。
 
 假设输入形状是(N, C, L)，输出形状是 (N, C, L_{out})，卷积核尺寸是 k, 1d 最大值池化计算公式如下：
 

docs/api/paddle/nn/functional/adaptive_max_pool1d_cn.rst

@@ -5,8 +5,8 @@ adaptive_max_pool1d
 
 .. py:function:: paddle.nn.functional.adaptive_max_pool1d(x, output_size, return_mask=False, name=None)
 
-根据输入 `x` , `output_size` 等参数对一个输入 Tensor 计算 1D 的自适应最大值池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``output_size`` 等参数对一个输入 Tensor 计算 1D 的自适应最大值池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 
 ..  note::
@@ -15,14 +15,14 @@ adaptive_max_pool1d
 
 参数
 :::::::::
-    - **x** (Tensor)：当前算子的输入，其是一个形状为 `[N, C, L]` 的 3-D Tensor。其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。其数据类型为 float32 或者 float64。别名 ``input``。
+    - **x** (Tensor)：当前算子的输入，其是一个形状为 ``[N, C, L]`` 的 3-D Tensor。其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。其数据类型为 float32 或者 float64。别名 ``input``。
     - **output_size** (int|list|tuple)：算子输出特征图的长度，其数据类型为 int 或 list，tuple。
     - **return_mask** (bool)：如果设置为 True，则会与输出一起返回最大值的索引，默认为 False。别名 ``return_indices``。
     - **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 `x` 经过自适应池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
+``Tensor``，输入 ``x`` 经过自适应池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
 
 
 代码示例

docs/api/paddle/nn/functional/avg_pool1d_cn.rst

@@ -5,19 +5,19 @@ avg_pool1d
 
 .. py:function:: paddle.nn.functional.avg_pool1d(x, kernel_size, stride=None, padding=0, exclusive=True, ceil_mode=False, name=None)
 
-根据输入 `x` , `kernel_size` 等参数对一个输入 Tensor 计算 1D 的平均池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``kernel_size`` 等参数对一个输入 Tensor 计算 1D 的平均池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 .. note::
    详细请参考对应的 `Class` 请参考：:ref:`cn_api_paddle_nn_AvgPool1D` 。
 
 
 参数
 :::::::::
-    - **x** (Tensor)：当前算子的输入，其是一个形状为 `[N, C, L]` 的 3-D Tensor。其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。其数据类型为 float16、float32 和 float64。
+    - **x** (Tensor)：当前算子的输入，其是一个形状为 ``[N, C, L]`` 的 3-D Tensor。其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。其数据类型为 float16、float32 和 float64。
     - **kernel_size** (int|list|tuple)：池化核的尺寸大小。如果 kernel_size 为 list 或 tuple 类型，其必须包含一个整数。
     - **stride** (int|list|tuple)：池化操作步长。如果 stride 为 list 或 tuple 类型，其必须包含一个整数。
-    - **padding** (string|int|list|tuple)：池化补零的方式。如果 padding 是一个字符串，则必须为 `SAME` 或者 `VALID`。如果是 tuple 或者 list 类型，则应是 `[pad_left, pad_right]` 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。
+    - **padding** (string|int|list|tuple)：池化补零的方式。如果 padding 是一个字符串，则必须为 ``SAME`` 或者 ``VALID``。如果是 tuple 或者 list 类型，则应是 ``[pad_left, pad_right]`` 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。
     - **exclusive** (bool)：是否用额外 padding 的值计算平均池化结果，默认为 True。
     - **ceil_mode** (bool)：是否用 ceil 函数计算输出的 height 和 width，如果设置为 False，则使用 floor 函数来计算，默认为 False。
     - **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。
@@ -26,7 +26,7 @@ avg_pool1d
 
 返回
 :::::::::
-``Tensor``，输入 `x` 经过平均池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
+``Tensor``，输入 ``x`` 经过平均池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
 
 
 

docs/api/paddle/nn/functional/lp_pool1d_cn.rst

@@ -5,20 +5,20 @@ lp_pool1d
 
 .. py:function:: paddle.nn.functional.lp_pool1d(x, norm_type, kernel_size, stride=None, padding=0, ceil_mode=False, data_format="NCL", name=None)
 
-根据输入 `x` , `kernel_size` 等参数对一个输入 Tensor 计算 1D 的幂平均池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``kernel_size`` 等参数对一个输入 Tensor 计算 1D 的幂平均池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 .. note::
    详细请参考对应的 `Class` 请参考：:ref:`cn_api_paddle_nn_LPPool1D` 。
 
 
 参数
 :::::::::
-    - **x** (Tensor)：当前算子的输入，其是一个形状为 `[N, C, L]` 的 3-D Tensor。其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。其数据类型为 float16、float32 和 float64。
+    - **x** (Tensor)：当前算子的输入，其是一个形状为 ``[N, C, L]`` 的 3-D Tensor。其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。其数据类型为 float16、float32 和 float64。
     - **norm_type** (int|float)：幂平均池化的指数，不可以为 0。
     - **kernel_size** (int|list|tuple)：池化核的尺寸大小。如果 kernel_size 为 list 或 tuple 类型，其必须包含一个整数。
     - **stride** (int|list|tuple)：池化操作步长。如果 stride 为 list 或 tuple 类型，其必须包含一个整数。
-    - **padding** (string|int|list|tuple)：池化补零的方式。如果 padding 是一个字符串，则必须为 `SAME` 或者 `VALID`。如果是 tuple 或者 list 类型，则应是 `[pad_left, pad_right]` 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。
+    - **padding** (string|int|list|tuple)：池化补零的方式。如果 padding 是一个字符串，则必须为 ``SAME`` 或者 ``VALID``。如果是 tuple 或者 list 类型，则应是 ``[pad_left, pad_right]`` 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。
     - **ceil_mode** (bool)：是否用 ceil 函数计算输出的 height 和 width，如果设置为 False，则使用 floor 函数来计算，默认为 False。
     - **data_format** (str)：输入和输出的数据格式，可以是"NCL"和"NLC"。N 是批尺寸，C 是通道数，L 是特征长度。默认值："NCL"
     - **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。
@@ -27,7 +27,7 @@ lp_pool1d
 
 返回
 :::::::::
-``Tensor``，输入 `x` 经过幂平均池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
+``Tensor``，输入 ``x`` 经过幂平均池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
 
 
 

docs/api/paddle/nn/functional/max_pool1d_cn.rst

@@ -5,18 +5,18 @@ max_pool1d
 
 .. py:function:: paddle.nn.functional.max_pool1d(x, kernel_size, stride=None, padding=0, return_mask=False, ceil_mode=False, dilation=1, name=None)
 
-根据输入 `x` , `kernel_size` 等参数对一个输入 Tensor 计算 1D 的最大值池化。输入和输出都是 3-D Tensor，
-默认是以 `NCL` 格式表示的，其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。
+根据输入 ``x`` , ``kernel_size`` 等参数对一个输入 Tensor 计算 1D 的最大值池化。输入和输出都是 3-D Tensor，
+默认是以 ``NCL`` 格式表示的，其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。
 
 .. note::
    详细请参考对应的 `Class` 请参考：:ref:`cn_api_paddle_nn_MaxPool1D` 。
 
 参数
 :::::::::
-    - **x** (Tensor) - 当前算子的输入，其是一个形状为 `[N, C, L]` 的 3-D Tensor。其中 `N` 是 batch size, `C` 是通道数，`L` 是输入特征的长度。其数据类型为 float32 或者 float64。别名 ``input``。
+    - **x** (Tensor) - 当前算子的输入，其是一个形状为 ``[N, C, L]`` 的 3-D Tensor。其中 ``N`` 是 batch size, ``C`` 是通道数，``L`` 是输入特征的长度。其数据类型为 float32 或者 float64。别名 ``input``。
     - **kernel_size** (int|list|tuple) - 池化核的尺寸大小。如果 kernel_size 为 list 或 tuple 类型，其必须包含一个整数。
     - **stride** (int|list|tuple) - 池化操作步长。如果 stride 为 list 或 tuple 类型，其必须包含一个整数。
-    - **padding** (string|int|list|tuple) - 池化补零的方式。如果 padding 是一个字符串，则必须为 `SAME` 或者 `VALID`。如果是 tuple 或者 list 类型，则应是 `[pad_left, pad_right]` 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。
+    - **padding** (string|int|list|tuple) - 池化补零的方式。如果 padding 是一个字符串，则必须为 ``SAME`` 或者 ``VALID``。如果是 tuple 或者 list 类型，则应是 ``[pad_left, pad_right]`` 形式。如果 padding 是一个非 0 值，那么表示会在输入的两端都 padding 上同样长度的 0。
     - **return_mask** (bool) - 是否返回最大值的索引，默认为 False。别名 ``return_indices``。
     - **ceil_mode** (bool) - 是否用 ceil 函数计算输出的 height 和 width，如果设置为 False，则使用 floor 函数来计算，默认为 False。
     - **dilation** (int|list|tuple，可选) - 空洞池化步长，如果 dilation 为 list 或 tuple 类型，其必须包含一个整数。默认值为 1。
@@ -27,7 +27,7 @@ max_pool1d
 
 返回
 :::::::::
-``Tensor``，输入 `x` 经过最大值池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
+``Tensor``，输入 ``x`` 经过最大值池化计算得到的目标 3-D Tensor，其数据类型与输入相同。
 
 
 代码示例