[Docs] Normalize spaces around inline literals in CN text

Noai-oss · Noai-oss · commit ad77be76bc70 · 2026-03-13T13:06:26.000+08:00
diff --git a/docs/api/paddle/Tensor__upper_cn.rst b/docs/api/paddle/Tensor__upper_cn.rst
@@ -1446,9 +1446,9 @@ expand_as(y, name=None)
 exponential_(lam=1.0, name=None)
 :::::::::
 
-该 OP 为 inplace 形式，通过 ``指数分布`` 随机数来填充该 Tensor。
+该 OP 为 inplace 形式，通过 `` 指数分布 `` 随机数来填充该 Tensor。
 
-``lam`` 是 ``指数分布`` 的 :math:`\lambda` 参数。随机数符合以下概率密度函数：
+``lam`` 是 `` 指数分布 `` 的 :math:`\lambda` 参数。随机数符合以下概率密度函数：
 
 .. math::
 
diff --git a/docs/api/paddle/distributed/fleet/Fleet_cn.rst b/docs/api/paddle/distributed/fleet/Fleet_cn.rst
@@ -58,7 +58,7 @@ COPY-FROM: paddle.distributed.fleet.Fleet.init:code-init-example4
 is_first_worker()
 '''''''''
 
-返回当前节点是否为第一个``worker``节点，判断当前 worker_index 是否为 0，如果为 0 则返回 True，否则返回 False。
+返回当前节点是否为第一个 ``worker`` 节点，判断当前 worker_index 是否为 0，如果为 0 则返回 True，否则返回 False。
 
 **返回**
 True/False
@@ -71,7 +71,7 @@ COPY-FROM: paddle.distributed.fleet.Fleet.is_first_worker
 worker_index()
 '''''''''
 
-返回当前节点的编号，每个``worker``节点被分配[0, worker_num-1]内的唯一的编码 ID
+返回当前节点的编号，每个 ``worker`` 节点被分配[0, worker_num-1]内的唯一的编码 ID
 
 **返回**
 int
@@ -85,7 +85,7 @@ COPY-FROM: paddle.distributed.fleet.Fleet.worker_index
 worker_num()
 '''''''''
 
-返回当前全部训练节点中``worker``节点的个数
+返回当前全部训练节点中 ``worker`` 节点的个数
 
 **返回**
 int
@@ -98,7 +98,7 @@ COPY-FROM: paddle.distributed.fleet.Fleet.worker_num
 is_worker()
 '''''''''
 
-返回当前节点是否为``worker``节点
+返回当前节点是否为 ``worker`` 节点
 
 **返回**
 True/False
@@ -148,7 +148,7 @@ server_index()
   **该参数只在 ParameterServer 模式下生效**
 
 
-返回当前节点的编号，每个``server``节点被分配[0, server_num-1]内的唯一的编码 ID
+返回当前节点的编号，每个 ``server`` 节点被分配[0, server_num-1]内的唯一的编码 ID
 
 **返回**
 int
@@ -187,7 +187,7 @@ is_server()
   **该参数只在 ParameterServer 模式下生效**
 
 
-返回当前节点是否为``server``节点
+返回当前节点是否为 ``server`` 节点
 
 **返回**
 True/False
diff --git a/docs/api/paddle/einsum_cn.rst b/docs/api/paddle/einsum_cn.rst
@@ -29,15 +29,15 @@ Einstein 求和是一种采用 Einstein 标记法描述的 Tensor 求和，输
 **关于求和标记的约定**
 
     - 维度分量下标：Tensor 的维度分量下标使用英文字母表示，不区分大小写，如'ijk'表示 Tensor 维度分量为 i,j,k
-    - 下标对应输入操作数：维度下标以``,``分段，按顺序 1-1 对应输入操作数
-    - 广播维度：省略号``...``表示维度的广播分量，例如，'i...j'表示首末分量除外的维度需进行广播对齐
+    - 下标对应输入操作数：维度下标以 ``,`` 分段，按顺序 1-1 对应输入操作数
+    - 广播维度：省略号 ``...`` 表示维度的广播分量，例如，'i...j'表示首末分量除外的维度需进行广播对齐
     - 自由标和哑标：输入标记中仅出现一次的下标为自由标，重复出现的下标为哑标，哑标对应的维度分量将被规约消去
     - 输出：输出 Tensor 的维度分量既可由输入标记自动推导，也可以用输出标记定制化
         - 自动推导输出
             - 广播维度分量位于维度向量高维位置，自由标维度分量按字母顺序排序，位于维度向量低纬位置，哑标维度分量不输出
         - 定制化输出
-            - 维度标记中``->``右侧为输出标记
-            - 若输出包含广播维度，则输出标记需包含``...``
+            - 维度标记中 ``->`` 右侧为输出标记
+            - 若输出包含广播维度，则输出标记需包含 ``...``
             - 输出标记为空时，对输出进行全量求和，返回该标量
             - 输出不能包含输入标记中未出现的下标
             - 输出下标不可以重复出现
diff --git a/docs/api/paddle/metric/Metric_cn.rst b/docs/api/paddle/metric/Metric_cn.rst
@@ -46,7 +46,7 @@ Python/NumPy，这样可以加速计算。``update`` 接口将 ``compute`` 的
 代码示例 1
 ::::::::::::
 
-以 计算正确率的 ``Accuracy`` 为例，该评估器的输入为 ``pred`` 和 ``label``，可以在 ``compute`` 中通过 ``pred`` 和 ``label``先计算正确预测的矩阵。
+以 计算正确率的 ``Accuracy`` 为例，该评估器的输入为 ``pred`` 和 ``label``，可以在 ``compute`` 中通过 ``pred`` 和 ``label`` 先计算正确预测的矩阵。
 例如，预测结果包含 10 类，``pred`` 的 shape 是[N, 10]，``label`` 的 shape 是[N, 1]，N 是 batch size，我们需要计算 top-1 和 top-5 的准确率，
 可以在 ``compute`` 中计算每个样本的 top-5 得分，正确预测的矩阵的 shape 是[N, 5]。
 
diff --git a/docs/api/paddle/nn/Fold_cn.rst b/docs/api/paddle/nn/Fold_cn.rst
@@ -16,7 +16,7 @@ Fold
     C_{out} &= \frac{C_{in}}{kernel\_sizes[0]\times kernel\_sizes[1]} \\
 
 .. note::
-   对应的 ``functional 方法`` 请参考：:ref:`cn_api_paddle_nn_functional_fold` 。
+   对应的 ``functional 方法 `` 请参考：:ref:`cn_api_paddle_nn_functional_fold` 。
 
 
 
diff --git a/docs/api/paddle/nn/MSELoss_cn.rst b/docs/api/paddle/nn/MSELoss_cn.rst
@@ -14,12 +14,12 @@ MSELoss
 .. math::
     Out = (input - label)^2
 
-当``reduction``为``'mean'``时：
+当 ``reduction`` 为 ``'mean'`` 时：
 
 .. math::
     Out = \operatorname{mean}((input - label)^2)
 
-当``reduction``为``'sum'``时：
+当 ``reduction`` 为 ``'sum'`` 时：
 
 .. math::
     Out = \operatorname{sum}((input - label)^2)
diff --git a/docs/api/paddle/nn/Unfold_cn.rst b/docs/api/paddle/nn/Unfold_cn.rst
@@ -11,7 +11,7 @@ Unfold
 实现的功能与卷积中用到的 im2col 函数一样，通常也被称作为 im2col 过程。对于每一个卷积核覆盖下的区域，元素会被重新排成一列。当卷积核在整个图片上滑动时，将会形成一系列的列向量。对于每一个输入形状为[N, C, H, W]的 ``x``，都将会按照下面公式计算出一个形状为[N, Cout, Lout]的输出。
 
 .. note::
-   对应的 ``functional 方法`` 请参考：:ref:`cn_api_paddle_nn_functional_unfold`。
+   对应的 ``functional 方法 `` 请参考：:ref:`cn_api_paddle_nn_functional_unfold`。
 
 
 **样例**：
diff --git a/docs/api/paddle/nn/functional/max_unpool1d_cn.rst b/docs/api/paddle/nn/functional/max_unpool1d_cn.rst
@@ -5,7 +5,7 @@ max_unpool1d
 
 .. py:function:: paddle.nn.functional.max_unpool1d(x, indices, kernel_size, stride=None, padding=0, data_format="NCL", output_size=None, name=None)
 
-这个 API 实现了 ``1D 最大反池化`` 操作
+这个 API 实现了 ``1D 最大反池化 `` 操作
 
 .. note::
    更多细节请参考对应的 ``Class`` 请参考 :ref:`cn_api_paddle_nn_MaxUnPool1D` 。
diff --git a/docs/api/paddle/nn/functional/max_unpool2d_cn.rst b/docs/api/paddle/nn/functional/max_unpool2d_cn.rst
@@ -5,7 +5,7 @@ max_unpool2d
 
 .. py:function:: paddle.nn.functional.max_unpool2d(x, indices, kernel_size, stride=None,padding=0,data_format="NCHW",output_size=None,name=None)
 
-这个 API 实现了 ``2D 最大反池化`` 操作
+这个 API 实现了 ``2D 最大反池化 `` 操作
 
 .. note::
    更多细节请参考对应的 ``Class`` 请参考 :ref:`cn_api_paddle_nn_MaxUnPool2D` 。
diff --git a/docs/api/paddle/nn/functional/max_unpool3d_cn.rst b/docs/api/paddle/nn/functional/max_unpool3d_cn.rst
@@ -5,7 +5,7 @@ max_unpool3d
 
 .. py:function:: paddle.nn.functional.max_unpool3d(x, indices, kernel_size, stride=None, padding=0, data_format="NCDHW", output_size=None, name=None)
 
-这个 API 实现了 ``3D 最大反池化`` 操作
+这个 API 实现了 ``3D 最大反池化 `` 操作
 
 .. note::
    更多细节请参考对应的 ``Class`` 请参考 :ref:`cn_api_paddle_nn_MaxUnPool3D` 。
diff --git a/docs/api/paddle/nn/functional/prelu_cn.rst b/docs/api/paddle/nn/functional/prelu_cn.rst
@@ -16,7 +16,7 @@ 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：[]、[1] 或者 [in]，其中`in`为输入的通道数。
+    - **weight** (Tensor) - 可训练参数，数据类型同 ``x`` 一致，形状支持：[]、[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。
 
diff --git a/docs/api/paddle/nn/initializer/Dirac_cn.rst b/docs/api/paddle/nn/initializer/Dirac_cn.rst
@@ -6,7 +6,7 @@ Dirac
 .. py:class:: paddle.nn.initializer.Dirac(groups=1, name=None)
 
 
-通过 ``狄拉克 delta 函数`` 来初始化 3D/4D/5D Tensor。
+通过 `` 狄拉克 delta 函数 `` 来初始化 3D/4D/5D Tensor。
 
 该初始化方式一般用于 Conv1D/Conv2D/Conv3D 卷积层，能尽可能多的保留卷积层输入的特性。（如果 ``out_channels`` > ``in_channels``，则可保留全部的输入 ``channel`` 特性）
 
diff --git a/docs/api/paddle/sparse/mask_as_cn.rst b/docs/api/paddle/sparse/mask_as_cn.rst
@@ -5,7 +5,7 @@ mask_as
 
 .. py:function:: paddle.sparse.mask_as(x, mask, name=None)
 
-使用稀疏张量 ``mask`` 的索引过滤输入的稠密张量 ``x``，并生成相应格式的稀疏张量。输入的 ``x`` 和 ``mask`` 必须具有相同的形状，且返回的稀疏张量具有与 ``mask`` 相同的索引，即使对应的索引中存在 ``零`` 值。
+使用稀疏张量 ``mask`` 的索引过滤输入的稠密张量 ``x``，并生成相应格式的稀疏张量。输入的 ``x`` 和 ``mask`` 必须具有相同的形状，且返回的稀疏张量具有与 ``mask`` 相同的索引，即使对应的索引中存在 `` 零 `` 值。
 
 参数
 :::::::::
diff --git a/docs/api/paddle/vision/Overview_cn.rst b/docs/api/paddle/vision/Overview_cn.rst
@@ -161,8 +161,8 @@ paddle.vision 目录是飞桨在视觉领域的高层 API。具体如下：
     " :ref:`RandomErasing <cn_api_paddle_vision_transforms_RandomErasing>` ", "擦除图像中随机选择的矩形区域内的像素"
     " :ref:`SaturationTransform <cn_api_paddle_vision_transforms_SaturationTransform>` ", "调整图像饱和度"
     " :ref:`to_grayscale <cn_api_paddle_vision_transforms_to_grayscale>` ", "对图像进行灰度化"
-    " :ref:`to_tensor <cn_api_paddle_vision_transforms_to_tensor>` ", "将``PIL.Image``或``numpy.ndarray``转为``paddle.Tensor``"
-    " :ref:`ToTensor <cn_api_paddle_vision_transforms_ToTensor>` ", "将``PIL.Image``或``numpy.ndarray``转为``paddle.Tensor``"
+    " :ref:`to_tensor <cn_api_paddle_vision_transforms_to_tensor>` ", "将 ``PIL.Image`` 或 ``numpy.ndarray`` 转为 ``paddle.Tensor``"
+    " :ref:`ToTensor <cn_api_paddle_vision_transforms_ToTensor>` ", "将 ``PIL.Image`` 或 ``numpy.ndarray`` 转为 ``paddle.Tensor``"
     " :ref:`Transpose <cn_api_paddle_vision_transforms_Transpose>` ", "将输入的图像数据更改为目标格式"
     " :ref:`vflip <cn_api_paddle_vision_transforms_vflip>` ", "垂直翻转图像"
 
