fix hapi doc bugs

doc/paddle/api/alias_api_mapping

@@ -438,7 +438,7 @@ paddle.hapi.callbacks.ReduceLROnPlateau	paddle.callbacks.ReduceLROnPlateau
 paddle.hapi.callbacks.LRScheduler	paddle.callbacks.LRScheduler
 paddle.hapi.callbacks.EarlyStopping	paddle.callbacks.EarlyStopping
 paddle.hapi.model_summary.summary	paddle.summary
-paddle.hapi.model_flops.flops	paddle.flops
+paddle.hapi.dynamic_flops.flops	paddle.flops
 paddle.vision.models.resnet.ResNet	paddle.vision.models.ResNet,paddle.vision.ResNet
 paddle.vision.models.resnet.resnet18	paddle.vision.models.resnet18,paddle.vision.resnet18
 paddle.vision.models.resnet.resnet34	paddle.vision.models.resnet34,paddle.vision.resnet34
@@ -550,4 +550,4 @@ paddle.fluid.io.set_program_state	paddle.static.set_program_state
 paddle.tensor.attribute.real	paddle.real,paddle.tensor.real
 paddle.tensor.attribute.imag	paddle.imag,paddle.tensor.imag
 paddle.fluid.layers.BeamSearchDecoder	paddle.nn.BeamSearchDecoder
-paddle.fluid.layers.dynamic_decode	paddle.nn.dynamic_decode
+paddle.fluid.layers.dynamic_decode	paddle.nn.dynamic_decode

doc/paddle/api/paddle/hapi/model_flops/flops_cn.rst → doc/paddle/api/paddle/hapi/dynamic_flops/flops_cn.rst

@@ -7,17 +7,20 @@ flops
 
  ``flops`` 函数能够打印网络的基础结构和参数信息。
 
-参数：
-  - **net** (paddle.nn.Layer||paddle.static.Program) - 网络实例，必须是 paddle.nn.Layer
-                        的子类或者静态图下的 paddle.static.Program。
+参数
+:::::::::
+  - **net** (paddle.nn.Layer||paddle.static.Program) - 网络实例，必须是 paddle.nn.Layer 的子类或者静态图下的 paddle.static.Program。
   - **input_size** (list) - 输入张量的大小。注意：仅支持batch_size=1。
-  - **custom_ops** (dict，可选) - 字典，用于实现对自定义网络层的统计。字典的key为自定义网络
-                        层的class，value为统计网络层flops的函数，函数实现方法见示例代码。
-                        此参数仅在 'net' 为paddle.nn.Layer时生效。默认值：None。
-  - **print_detail (bool, 可选) - bool值，用于控制是否打印每个网络层的细节。默认值：False
-返回：整型，网络模型的计算量。
+  - **custom_ops** (dict，可选) - 字典，用于实现对自定义网络层的统计。字典的key为自定义网络层的class，value为统计网络层flops的函数，函数实现方法见示例代码。此参数仅在 'net' 为paddle.nn.Layer时生效。默认值：None。
+  - **print_detail** (bool, 可选) - bool值，用于控制是否打印每个网络层的细节。默认值：False
+
+返回
+:::::::::
+整型，网络模型的计算量。
+
+代码示例
+:::::::::
 
-**代码示例**：
     .. code-block:: python
 
         import paddle

doc/paddle/api/paddle/hapi/model/Model_cn.rst

@@ -5,7 +5,18 @@ Model
 
 .. py:class:: paddle.Model()
 
- ``Model`` 对象是一个具备训练、测试、推理的神经网络。该对象同时支持静态图和动态图模式，通过 ``paddle.enable_static()`` 来切换。需要注意的是，该开关需要在实例化 ``Model`` 对象之前使用。输入需要使用 ``paddle.static.InputSpec`` 来定义。
+``Model`` 对象是一个具备训练、测试、推理的神经网络。该对象同时支持静态图和动态图模式，飞桨框架默认为动态图模式，通过 ``paddle.enable_static()`` 来切换到静态图模式。需要注意的是，需要在实例化 ``Model`` 对象之前完成切换。
+
+参数
+:::::::::
+
+    - **network** (paddle.nn.Layer): 是 ``paddle.nn.Layer`` 的一个实例
+    - **inputs** (InputSpec|list|dict|None, 可选):  ``network`` 的输入，可以是 ``InputSpec`` 的实例，或者是一个 ``InputSpec`` 的 ``list`` ,或者是格式为 ``{name: InputSpec}`` 的 ``dict`` ，或者为 ``None`` . 默认值为 ``None`` .
+    - **labels** (InputSpec|list|None, 可选): ``network`` 的标签，可以是 ``InputSpec`` 的实例，或者是一个 ``InputSpec`` 的 ``list`` ,或者为 ``None``. 默认值为 ``None`` .
+
+.. note::
+
+    在动态图中， ``inputs`` 和 ``labels`` 都可以设置为 ``None``. 但是，在静态图中， ``input`` 不能设置为 ``None`` . 而如果损失函数需要标签(label)作为输入，则必须设置 ``labels`` ，否则，可以为 ``None`` 。
 
 代码示例
 :::::::::

doc/paddle/api/paddle/nn/functional/common/interpolate_cn.rst

@@ -1,9 +1,9 @@
 .. _cn_api_paddle_nn_functional_interpolate:
 
-Interpolate
+interpolate
 -------------------------------
 
-.. py:function:: paddle.nn.functioanl.interpolate(x, size=None, scale_factor=None, mode='nearest', align_corners=False, align_mode=0, data_format='NCHW', name=None)
+.. py:function:: paddle.nn.functional.interpolate(x, size=None, scale_factor=None, mode='nearest', align_corners=False, align_mode=0, data_format='NCHW', name=None)
 
 
 

doc/paddle/api/paddle/vision/models/lenet/LeNet_cn.rst

@@ -5,14 +5,15 @@ LeNet
 
 .. py:class:: paddle.vision.models.LeNet(num_classes=10)
 
- LeNet模型，来自论文`"LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.`_。
+ LeNet模型，来自论文 `"Gradient-based learning applied to document recognition" <https://ieeexplore.ieee.org/document/726791>`_ 。
 
-参数：
+参数
+:::::::::
   - **num_classes** (int，可选) - 最后一个全连接层输出的维度。默认值：10。
 
 
-**代码示例**：
-
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/mobilenetv1/MobileNetV1_cn.rst

@@ -5,17 +5,20 @@ MobileNetV1
 
 .. py:class:: paddle.vision.models.MobileNetV1(scale=1.0, num_classes=1000, with_pool=True)
 
- MobileNetV1模型，来自论文`"MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications" <https://arxiv.org/abs/1704.04861>`_。
+ MobileNetV1模型，来自论文 `"MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications" <https://arxiv.org/abs/1704.04861>`_ 。
 
-参数：
+参数
+:::::::::
   - **scale** (float，可选) - 模型通道数的缩放比例。默认值：1.0。
   - **num_classes** (int, 可选) - 最后一个全连接层输出的维度。如果该值小于0，则不定义最后一个全连接层。默认值：1000。
   - **with_pool** (bool，可选) - 是否定义最后一个全连接层之前的池化层。默认值：True。
 
-返回：mobilenetv1模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+mobilenetv1模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/mobilenetv1/mobilenet_v1_cn.rst

@@ -5,15 +5,19 @@ mobilenet_v1
 
 .. py:function:: paddle.vision.models.mobilenet_v1(pretrained=False, scale=1.0, **kwargs)
 
- MobileNetV1模型，来自论文`"MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications" <https://arxiv.org/abs/1704.04861>`_。
+ MobileNetV1模型，来自论文 `"MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications" <https://arxiv.org/abs/1704.04861>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
   - **scale** (float，可选) - 模型通道数的缩放比例。默认值：1.0。
 
-返回：mobilenetv1模型，Layer的实例。
+返回
+:::::::::
+mobilenetv1模型，Layer的实例。
 
-**代码示例**：
+代码示例
+:::::::::
 
 .. code-block:: python
 

doc/paddle/api/paddle/vision/models/mobilenetv2/MobileNetV2_cn.rst

@@ -5,16 +5,20 @@ MobileNetV2
 
 .. py:class:: paddle.vision.models.MobileNetV2(scale=1.0, num_classes=1000, with_pool=True)
 
- MobileNetV2模型，来自论文`"MobileNetV2: Inverted Residuals and Linear Bottlenecks" <https://arxiv.org/abs/1801.04381>`_。
+ MobileNetV2模型，来自论文 `"MobileNetV2: Inverted Residuals and Linear Bottlenecks" <https://arxiv.org/abs/1801.04381>`_ 。
 
-参数：
+参数
+:::::::::
   - **scale** (float，可选) - 模型通道数的缩放比例。默认值：1.0。
   - **num_classes** (int, 可选) - 最后一个全连接层输出的维度。如果该值小于0，则不定义最后一个全连接层。默认值：1000。
   - **with_pool** (bool，可选) - 是否定义最后一个全连接层之前的池化层。默认值：True。
 
-返回：mobilenetv2模型，Layer的实例。
+返回
+:::::::::
+mobilenetv2模型，Layer的实例。
 
-**代码示例**：
+代码示例
+:::::::::
 
 .. code-block:: python
 

doc/paddle/api/paddle/vision/models/mobilenetv2/mobilenet_v2_cn.rst

@@ -5,15 +5,19 @@ mobilenet_v2
 
 .. py:function:: paddle.vision.models.mobilenet_v2(pretrained=False, scale=1.0, **kwargs)
 
- MobileNetV2模型，来自论文`"MobileNetV2: Inverted Residuals and Linear Bottlenecks" <https://arxiv.org/abs/1801.04381>`_。
+ MobileNetV2模型，来自论文 `"MobileNetV2: Inverted Residuals and Linear Bottlenecks" <https://arxiv.org/abs/1801.04381>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
   - **scale** (float，可选) - 模型通道数的缩放比例。默认值：1.0。
 
-返回：mobilenetv2模型，Layer的实例。
+返回
+:::::::::
+mobilenetv2模型，Layer的实例。
 
-**代码示例**：
+代码示例
+:::::::::
 
 .. code-block:: python
 

doc/paddle/api/paddle/vision/models/resnet/ResNet_cn.rst

@@ -5,18 +5,21 @@ ResNet
 
 .. py:class:: paddle.vision.models.ResNet(Block, depth=50, num_classes=1000, with_pool=True)
 
- ResNet模型，来自论文`"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_。
+ ResNet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **Block** (BasicBlock|BottleneckBlock) - 模型的残差模块。
   - **depth** (int，可选) - resnet模型的深度。默认值：50
   - **num_classes** (int, 可选) - 最后一个全连接层输出的维度。如果该值小于0，则不定义最后一个全连接层。默认值：1000。
   - **with_pool** (bool，可选) - 是否定义最后一个全连接层之前的池化层。默认值：True。
 
-返回：ResNet模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+ResNet模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/resnet/resnet101_cn.rst

@@ -5,15 +5,18 @@ resnet101
 
 .. py:function:: paddle.vision.models.resnet101(pretrained=False, **kwargs)
 
- 101层的resnet模型，来自论文`"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_。
+ 101层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
 
-返回：resnet101模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+resnet101模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/resnet/resnet152_cn.rst

@@ -5,15 +5,18 @@ resnet152
 
 .. py:function:: paddle.vision.models.resnet152(pretrained=False, **kwargs)
 
- 152层的resnet模型，来自论文`"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_。
+ 152层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
 
-返回：resnet152模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+resnet152模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/resnet/resnet18_cn.rst

@@ -5,15 +5,18 @@ resnet18
 
 .. py:function:: paddle.vision.models.resnet18(pretrained=False, **kwargs)
 
- 18层的resnet模型，来自论文`"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_。
+ 18层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
 
-返回：resnet18模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+resnet18模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/resnet/resnet34_cn.rst

@@ -5,15 +5,18 @@ resnet34
 
 .. py:function:: paddle.vision.models.resnet34(pretrained=False, **kwargs)
 
- 34层的resnet模型，来自论文`"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_。
+ 34层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
 
-返回：resnet34模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+resnet34模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/resnet/resnet50_cn.rst

@@ -5,15 +5,18 @@ resnet50
 
 .. py:function:: paddle.vision.models.resnet50(pretrained=False, **kwargs)
 
- 50层的resnet模型，来自论文`"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_。
+ 50层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
 
-返回：resnet50模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+resnet50模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle

doc/paddle/api/paddle/vision/models/vgg/VGG_cn.rst

@@ -5,16 +5,20 @@ VGG
 
 .. py:class:: paddle.vision.models.VGG(features, num_classes=1000)
 
- VGG模型，来自论文`"Very Deep Convolutional Networks For Large-Scale Image Recognition" <https://arxiv.org/pdf/1409.1556.pdf>`_。
+ VGG模型，来自论文 `"Very Deep Convolutional Networks For Large-Scale Image Recognition" <https://arxiv.org/pdf/1409.1556.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **features** (Layer) - vgg模型的特征层。由函数make_layers产生。
   - **num_classes** (int， 可选) - 最后一个全连接层输出的维度。如果该值小于等于0，则不定义最后一个全连接层。默认值：1000。
   - **with_pool** (bool，可选): - 是否在最后三个全连接层前使用池化. 默认值: True.
 
-返回：vgg模型，Layer的实例。
+返回
+:::::::::
+vgg模型，Layer的实例。
 
-**代码示例**：
+代码示例
+:::::::::
 
 .. code-block:: python
 

doc/paddle/api/paddle/vision/models/vgg/vgg11_cn.rst

@@ -5,16 +5,19 @@ vgg11
 
 .. py:function:: paddle.vision.models.vgg11(pretrained=False, batch_norm=False, **kwargs)
 
- vgg11模型，来自论文`"Very Deep Convolutional Networks For Large-Scale Image Recognition" <https://arxiv.org/pdf/1409.1556.pdf>`_。
+ vgg11模型，来自论文 `"Very Deep Convolutional Networks For Large-Scale Image Recognition" <https://arxiv.org/pdf/1409.1556.pdf>`_ 。
 
-参数：
+参数
+:::::::::
   - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
   - **batch_norm** (bool, 可选) - 是否在每个卷积层后添加批归一化层。默认值：False。
 
-返回：vgg11模型，Layer的实例。
-
-**代码示例**：
+返回
+:::::::::
+vgg11模型，Layer的实例。
 
+代码示例
+:::::::::
 .. code-block:: python
 
     import paddle