From 1488c596806b3276bc0ddc506f614627219926e0 Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Wed, 22 Feb 2023 14:40:07 +0800
Subject: [PATCH 1/7] =?UTF-8?q?=E8=A1=A5=E5=85=85GaussianNLLLoss=E4=B8=AD?=
 =?UTF-8?q?=E6=96=87=E6=96=87=E6=A1=A3=E3=80=82;test=3Ddocs=5Fpreview?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/api/paddle/nn/GaussianNLLLoss_cn.rst     | 40 +++++++++++++++++++
 .../nn/functional/gaussian_nll_loss_cn.rst    | 26 ++++++++++++
 2 files changed, 66 insertions(+)
 create mode 100644 docs/api/paddle/nn/GaussianNLLLoss_cn.rst
 create mode 100644 docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst

diff --git a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
new file mode 100644
index 00000000000..ea52186515f
--- /dev/null
+++ b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
@@ -0,0 +1,40 @@
+.. _cn_api_paddle_nn_GaussianNLLLoss:
+
+SmoothL1Loss
+-------------------------------
+
+.. py:class:: paddle.nn.GaussianNLLLoss(full=False, eps=1e-6, reduction='mean', name=None)
+
+计算输入 :attr:`input` 和标签 :attr:`target`, :attr:`var` 间的 GaussianNLL 损失，
+:attr:`target` 被视为高斯分布的样本，其期望和方差由神经网络预测给出。对于一个 :attr:`target` 张量建模为具有高斯分布的张量的期望值 :attr:`input` 和张量的正方差 :attr:`var`，数学计算公式如下：
+
+.. math::
+    \text{loss} = \frac{1}{2}\left(\log\left(\text{max}\left(\text{var},
+        \ \text{eps}\right)\right) + \frac{\left(\text{input} - \text{target}\right)^2}
+        {\text{max}\left(\text{var}, \ \text{eps}\right)}\right) + \text{const.}
+
+参数
+::::::::::
+
+    - **full** (bool) - 是否在损失计算中包括常数项。默认情况下为False。
+    - **delta** (float) - 用于限制var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。
+    - **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。
+
+输入
+::::::::::
+
+    - **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。
+    - **target** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
+    - **var** (Tensor): 输入 :attr:`Tensor`，形状和 :attr:`input` 相同。
+
+返回
+:::::::::
+
+Tensor，计算 `GaussianNLLLoss` 后的损失值。若 :attr:`reduction` 为 ``none``，则与输入形状相同。
+
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.nn.GaussianNLLLoss
diff --git a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
new file mode 100644
index 00000000000..a69cac591c2
--- /dev/null
+++ b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
@@ -0,0 +1,26 @@
+.. _cn_api_nn_functional_nll_loss:
+
+nll_loss
+-------------------------------
+.. py:function:: paddle.nn.functional.gaussian_nll_loss(input, target, var, full=False, eps=1e-6, reduction='mean', name=None)
+
+返回 `gaussian negative log likelihood loss`。可在 :ref:`_cn_api_paddle_nn_GaussianNLLLoss` 查看详情。
+
+参数
+:::::::::
+- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。
+    - **target** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
+    - **var** (Tensor): 输入 :attr:`Tensor`，形状和 :attr:`input` 相同。
+    - **full** (bool) - 是否在损失计算中包括常数项。默认情况下为False。
+    - **delta** (float) - 用于限制var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。
+    - **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。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.nn.functional.nll_loss

From 5949db90df4df80075ace190edf54e99bdba8d02 Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Thu, 23 Feb 2023 21:43:05 +0800
Subject: [PATCH 2/7] =?UTF-8?q?=E8=A1=A5=E5=85=85GaussianNLLLoss=E4=B8=AD?=
 =?UTF-8?q?=E6=96=87=E6=96=87=E6=A1=A3=E3=80=82;test=3Ddocs=5Fpreview?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 .../paddle/nn/functional/gaussian_nll_loss_cn.rst  | 14 +++++++-------
 1 file changed, 7 insertions(+), 7 deletions(-)

diff --git a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
index a69cac591c2..ccbe2a338b8 100644
--- a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
+++ b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
@@ -8,13 +8,13 @@ nll_loss
 
 参数
 :::::::::
-- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。
-    - **target** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
-    - **var** (Tensor): 输入 :attr:`Tensor`，形状和 :attr:`input` 相同。
-    - **full** (bool) - 是否在损失计算中包括常数项。默认情况下为False。
-    - **delta** (float) - 用于限制var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。
-    - **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。
+- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。数据类型为 float32 或 float64。
+- **target** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
+- **var** (Tensor): 输入 :attr:`Tensor`，形状和数据类型 :attr:`input` 相同。
+- **full** (bool) - 是否在损失计算中包括常数项。默认情况下为False。
+- **delta** (float) - 用于限制var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。
+- **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
 :::::::::

From 6ed290b9e0800ab1fc2cf3f939f5c9f3210472b2 Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Tue, 14 Mar 2023 14:32:00 +0800
Subject: [PATCH 3/7] =?UTF-8?q?=E8=A1=A5=E5=85=85GaussianNLLLoss=E4=B8=AD?=
 =?UTF-8?q?=E6=96=87=E6=96=87=E6=A1=A3=E3=80=82;test=3Ddocs=5Fpreview?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/api/paddle/nn/GaussianNLLLoss_cn.rst      | 18 +++++++++---------
 .../nn/functional/gaussian_nll_loss_cn.rst     | 12 ++++++------
 2 files changed, 15 insertions(+), 15 deletions(-)

diff --git a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
index ea52186515f..e2eaf08e80e 100644
--- a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
+++ b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
@@ -3,21 +3,21 @@
 SmoothL1Loss
 -------------------------------
 
-.. py:class:: paddle.nn.GaussianNLLLoss(full=False, eps=1e-6, reduction='mean', name=None)
+.. py:class:: paddle.nn.GaussianNLLLoss(full=False, epsilon=1e-6, reduction='mean', name=None)
 
-计算输入 :attr:`input` 和标签 :attr:`target`, :attr:`var` 间的 GaussianNLL 损失，
-:attr:`target` 被视为高斯分布的样本，其期望和方差由神经网络预测给出。对于一个 :attr:`target` 张量建模为具有高斯分布的张量的期望值 :attr:`input` 和张量的正方差 :attr:`var`，数学计算公式如下：
+计算输入 :attr:`input` 和标签 :attr:`label`, :attr:`variance` 间的 GaussianNLL 损失，
+:attr:`label` 被视为高斯分布的样本，其期望和方差由神经网络预测给出。对于一个 :attr:`label` 张量建模为具有高斯分布的张量的期望值 :attr:`input` 和张量的正方差 :attr:`var`，数学计算公式如下：
 
 .. math::
     \text{loss} = \frac{1}{2}\left(\log\left(\text{max}\left(\text{var},
-        \ \text{eps}\right)\right) + \frac{\left(\text{input} - \text{target}\right)^2}
-        {\text{max}\left(\text{var}, \ \text{eps}\right)}\right) + \text{const.}
+        \ \text{epsilon}\right)\right) + \frac{\left(\text{input} - \text{label}\right)^2}
+        {\text{max}\left(\text{var}, \ \text{epsilon}\right)}\right) + \text{const.}
 
 参数
 ::::::::::
 
-    - **full** (bool) - 是否在损失计算中包括常数项。默认情况下为False。
-    - **delta** (float) - 用于限制var的值，使其不会导致除0的出现。默认值为1e-6
+    - **full** (bool) - 是否在损失计算中包括常数项。默认情况下为 False。
+    - **epsilon** (float) - 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。
     - **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。
 
@@ -25,8 +25,8 @@ SmoothL1Loss
 ::::::::::
 
     - **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。
-    - **target** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
-    - **var** (Tensor): 输入 :attr:`Tensor`，形状和 :attr:`input` 相同。
+    - **label** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
+    - **variance** (Tensor): 输入 :attr:`Tensor`，形状和 :attr:`input` 相同。
 
 返回
 :::::::::
diff --git a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
index ccbe2a338b8..ab532fe5e31 100644
--- a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
+++ b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
@@ -2,17 +2,17 @@
 
 nll_loss
 -------------------------------
-.. py:function:: paddle.nn.functional.gaussian_nll_loss(input, target, var, full=False, eps=1e-6, reduction='mean', name=None)
+.. py:function:: paddle.nn.functional.gaussian_nll_loss(input, label, variance, full=False, epsilon=1e-6, reduction='mean', name=None)
 
 返回 `gaussian negative log likelihood loss`。可在 :ref:`_cn_api_paddle_nn_GaussianNLLLoss` 查看详情。
 
 参数
 :::::::::
-- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。数据类型为 float32 或 float64。
-- **target** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
-- **var** (Tensor): 输入 :attr:`Tensor`，形状和数据类型 :attr:`input` 相同。
-- **full** (bool) - 是否在损失计算中包括常数项。默认情况下为False。
-- **delta** (float) - 用于限制var的值，使其不会导致除0的出现。默认值为1e-6
+- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。将被拟合成为高斯分布。数据类型为 float32 或 float64。
+- **label** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。为高斯分布的样本。数据类型为 float32 或 float64。
+- **variance** (Tensor): 输入 :attr:`Tensor`，形状和数据类型 :attr:`input` 相同。正方差样本。数据类型为 float32 或 float64。
+- **full** (bool) - 是否在损失计算中包括常数项。默认情况下为 False。
+- **epsilon** (float) - 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。
 - **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。
 

From ed416523646b87c3ae04d2847c56ec04cd4853c3 Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Sat, 25 Mar 2023 00:20:28 +0800
Subject: [PATCH 4/7] =?UTF-8?q?=E8=A1=A5=E5=85=85GaussianNLLLoss=E4=B8=AD?=
 =?UTF-8?q?=E6=96=87=E6=96=87=E6=A1=A3=E3=80=82;=20test=3Ddocs=5Fpreview?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/api/paddle/nn/GaussianNLLLoss_cn.rst     | 18 ++++++++---------
 .../nn/functional/gaussian_nll_loss_cn.rst    | 20 +++++++++----------
 2 files changed, 19 insertions(+), 19 deletions(-)

diff --git a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
index e2eaf08e80e..462061881f3 100644
--- a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
+++ b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
@@ -1,11 +1,11 @@
 .. _cn_api_paddle_nn_GaussianNLLLoss:
 
-SmoothL1Loss
+GaussianNLLLoss
 -------------------------------
 
 .. py:class:: paddle.nn.GaussianNLLLoss(full=False, epsilon=1e-6, reduction='mean', name=None)
 
-计算输入 :attr:`input` 和标签 :attr:`label`, :attr:`variance` 间的 GaussianNLL 损失，
+计算输入 :attr:`input` 和标签 :attr:`label`、 :attr:`variance` 间的 GaussianNLL 损失，
 :attr:`label` 被视为高斯分布的样本，其期望和方差由神经网络预测给出。对于一个 :attr:`label` 张量建模为具有高斯分布的张量的期望值 :attr:`input` 和张量的正方差 :attr:`var`，数学计算公式如下：
 
 .. math::
@@ -16,17 +16,17 @@ SmoothL1Loss
 参数
 ::::::::::
 
-    - **full** (bool) - 是否在损失计算中包括常数项。默认情况下为 False。
-    - **epsilon** (float) - 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。
+    - **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。
     - **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。
 
-输入
+形状
 ::::::::::
 
-    - **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。
-    - **label** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。
-    - **variance** (Tensor): 输入 :attr:`Tensor`，形状和 :attr:`input` 相同。
+    - **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，其中 :math:`*` 表示任何数量的额外维度。数据类型为 float32 或 float64。
+    - **label** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或者其中一维的大小为 1，这时会进行 broadcast 操作。数据类型为 float32 或 float64。
+    - **variance** (Tensor): 输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或其中一维的大小为 1，或缺少一维，这时会进行 broadcast 操作。数据类型为 float32 或 float64。
 
 返回
 :::::::::
diff --git a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
index ab532fe5e31..29143e32afd 100644
--- a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
+++ b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
@@ -1,26 +1,26 @@
-.. _cn_api_nn_functional_nll_loss:
+.. _cn_api_nn_functional_gaussian_nll_loss:
 
-nll_loss
+gaussian_nll_loss
 -------------------------------
 .. py:function:: paddle.nn.functional.gaussian_nll_loss(input, label, variance, full=False, epsilon=1e-6, reduction='mean', name=None)
 
-返回 `gaussian negative log likelihood loss`。可在 :ref:`_cn_api_paddle_nn_GaussianNLLLoss` 查看详情。
+返回 `gaussian negative log likelihood loss`。可在 :ref:`cn_api_paddle_nn_GaussianNLLLoss` 查看详情。
 
 参数
 :::::::::
-- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`[N, *]`，其中 :math:`*` 表示任何数量的额外维度。将被拟合成为高斯分布。数据类型为 float32 或 float64。
-- **label** (Tensor)：输入 :attr:`Tensor`， 形状、数据类型和 :attr:`input` 相同。为高斯分布的样本。数据类型为 float32 或 float64。
-- **variance** (Tensor): 输入 :attr:`Tensor`，形状和数据类型 :attr:`input` 相同。正方差样本。数据类型为 float32 或 float64。
-- **full** (bool) - 是否在损失计算中包括常数项。默认情况下为 False。
-- **epsilon** (float) - 用于限制 variance 的值，使其不会导致除 0 的出现。默认值为 1e-6
+- **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，其中 :math:`*` 表示任何数量的额外维度。将被拟合成为高斯分布。数据类型为 float32 或 float64。
+- **label** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状、数据类型和 :attr:`input` 相同，或者其中一维的大小为 1，这时会进行 broadcast 操作。为服从高斯分布的样本。数据类型为 float32 或 float64。
+- **variance** (Tensor): 输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或其中一维的大小为 1，或缺少一维，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。
 - **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。
+`Tensor`，返回存储表示 `gaussian negative log likelihood loss` 的损失值。数据类型与:attr:`input`相同。当 reduction 为:attr:`none`时，形状与:attr:`input`相同。
 
 代码示例
 :::::::::
 
-COPY-FROM: paddle.nn.functional.nll_loss
+COPY-FROM: paddle.nn.functional.gaussian_nll_loss

From 996c1734f470038c91a34f59eb1ee00438cc8192 Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Fri, 31 Mar 2023 14:18:12 +0800
Subject: [PATCH 5/7] =?UTF-8?q?=E8=A1=A5=E5=85=85GaussianNLLLoss=E5=AF=B9s?=
 =?UTF-8?q?hape=E7=9A=84=E6=8F=8F=E8=BF=B0=E3=80=82;=20test=3Ddocs=5Fprevi?=
 =?UTF-8?q?ew?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/api/api_label                             |  2 ++
 docs/api/paddle/nn/GaussianNLLLoss_cn.rst      | 18 +++++++++++-------
 docs/api/paddle/nn/Overview_cn.rst             |  2 ++
 .../nn/functional/gaussian_nll_loss_cn.rst     | 15 +++++++++++----
 4 files changed, 26 insertions(+), 11 deletions(-)

diff --git a/docs/api/api_label b/docs/api/api_label
index 16042a74275..3aaa5718b0e 100644
--- a/docs/api/api_label
+++ b/docs/api/api_label
@@ -908,6 +908,7 @@ paddle.nn.Unfold	.. _api_paddle_nn_Unfold:
 paddle.nn.LogSoftmax	.. _api_paddle_nn_LogSoftmax:
 paddle.nn.Maxout	.. _api_paddle_nn_Maxout:
 paddle.nn.BatchNorm3D	.. _api_paddle_nn_BatchNorm3D:
+paddle.nn.GaussianNLLLoss .. _api_paddle_nn_GaussianNLLLoss
 paddle.nn.functional.adaptive_max_pool3d	.. _api_paddle_nn_functional_adaptive_max_pool3d:
 paddle.nn.functional.glu	.. _api_paddle_nn_functional_glu:
 paddle.nn.functional.silu	.. _api_paddle_nn_functional_silu:
@@ -986,6 +987,7 @@ paddle.nn.functional.pad	.. _api_paddle_nn_functional_pad:
 paddle.nn.functional.sigmoid_focal_loss	.. _api_paddle_nn_functional_sigmoid_focal_loss:
 paddle.nn.functional.hardsigmoid	.. _api_paddle_nn_functional_hardsigmoid:
 paddle.nn.functional.max_pool3d	.. _api_paddle_nn_functional_max_pool3d:
+paddle.nn.functional.gaussian_nll_loss .. _api_nn_functional_gaussian_nll_loss:
 paddle.nn.initializer.KaimingUniform	.. _api_paddle_nn_initializer_KaimingUniform:
 paddle.nn.initializer.KaimingNormal	.. _api_paddle_nn_initializer_KaimingNormal:
 paddle.nn.initializer.Assign	.. _api_paddle_nn_initializer_Assign:
diff --git a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
index 462061881f3..63af9a9d857 100644
--- a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
+++ b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
@@ -1,23 +1,27 @@
-.. _cn_api_paddle_nn_GaussianNLLLoss:
+.. _cn_api_nn_GaussianNLLLoss:
 
 GaussianNLLLoss
 -------------------------------
 
 .. py:class:: paddle.nn.GaussianNLLLoss(full=False, epsilon=1e-6, reduction='mean', name=None)
 
-计算输入 :attr:`input` 和标签 :attr:`label`、 :attr:`variance` 间的 GaussianNLL 损失，
-:attr:`label` 被视为高斯分布的样本，其期望和方差由神经网络预测给出。对于一个 :attr:`label` 张量建模为具有高斯分布的张量的期望值 :attr:`input` 和张量的正方差 :attr:`var`，数学计算公式如下：
+该接口创建一个 GaussianNLLLoss 实例，计算输入 :attr:`input` 和标签 :attr:`label`、 :attr:`variance` 间的 GaussianNLL 损失，
+:attr:`label` 被视为服从高斯分布的样本，其期望:attr:`input`和方差:attr:`variance`由神经网络预测给出。
+对于一个具有高斯分布的 Tensor :attr:`label`，期望 :attr:`input` 和正方差 :attr:`var` 与其损失的数学计算公式如下：
 
 .. math::
     \text{loss} = \frac{1}{2}\left(\log\left(\text{max}\left(\text{var},
         \ \text{epsilon}\right)\right) + \frac{\left(\text{input} - \text{label}\right)^2}
         {\text{max}\left(\text{var}, \ \text{epsilon}\right)}\right) + \text{const.}
 
+其中，:attr:`epsilon` 是一个很小的数字，用于保证数值的稳定性。默认情况下，常数项将会被忽略，除非:attr:`epsilon`为 True。
+若 :attr:`variance` 与 :attr:`input` 的形状不一致，则必须要服从广播机制。
+
 参数
 ::::::::::
 
     - **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。
+    - **epsilon** (float，可选) - 一个很小的数字，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。
     - **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。
 
@@ -25,13 +29,13 @@ GaussianNLLLoss
 ::::::::::
 
     - **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，其中 :math:`*` 表示任何数量的额外维度。数据类型为 float32 或 float64。
-    - **label** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或者其中一维的大小为 1，这时会进行 broadcast 操作。数据类型为 float32 或 float64。
-    - **variance** (Tensor): 输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或其中一维的大小为 1，或缺少一维，这时会进行 broadcast 操作。数据类型为 float32 或 float64。
+    - **label** (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，如 :attr:`input` 的形状为： :math:`(N, 3)` 时， :attr:`input` 的形状可为 :math:`(N, 1)`， 这时会进行 broadcast 操作。数据类型为 float32 或 float64。
+    - **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。
 
 返回
 :::::::::
 
-Tensor，计算 `GaussianNLLLoss` 后的损失值。若 :attr:`reduction` 为 ``none``，则与输入形状相同。
+    - **output** (Tensor) - 输入 :attr:`input`、:attr:`variance` 和 :attr:`label` 间的 `GaussianNLLLoss` 损失。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
diff --git a/docs/api/paddle/nn/Overview_cn.rst b/docs/api/paddle/nn/Overview_cn.rst
index 5c775bc38de..22c66b63f2e 100644
--- a/docs/api/paddle/nn/Overview_cn.rst
+++ b/docs/api/paddle/nn/Overview_cn.rst
@@ -258,6 +258,7 @@ Loss 层
     " :ref:`paddle.nn.MarginRankingLoss <cn_api_nn_loss_MarginRankingLoss>` ", "MarginRankingLoss 层"
     " :ref:`paddle.nn.MSELoss <cn_api_paddle_nn_MSELoss>` ", "均方差误差损失层"
     " :ref:`paddle.nn.NLLLoss <cn_api_nn_loss_NLLLoss>` ", "NLLLoss 层"
+    " :ref:`paddle.nn.GaussianNLLLoss <cn_api_nn_loss_GaussianNLLLoss>` ", "GaussianNLLLoss 层"
     " :ref:`paddle.nn.SmoothL1Loss <cn_api_paddle_nn_SmoothL1Loss>` ", "平滑 L1 损失层"
     " :ref:`paddle.nn.SoftMarginLoss <cn_api_paddle_nn_SoftMarginLoss>` ", "SoftMarginLoss 层"
     " :ref:`paddle.nn.TripletMarginLoss <cn_api_paddle_nn_TripletMarginLoss>` ", "TripletMarginLoss 层"
@@ -481,6 +482,7 @@ Embedding 相关函数
     " :ref:`paddle.nn.functional.margin_ranking_loss <cn_api_nn_cn_margin_ranking_loss>` ", "用于计算 margin rank loss 损失"
     " :ref:`paddle.nn.functional.mse_loss <cn_paddle_nn_functional_mse_loss>` ", "用于计算均方差误差"
     " :ref:`paddle.nn.functional.nll_loss <cn_api_nn_functional_nll_loss>` ", "用于计算 nll 损失"
+    " :ref:`paddle.nn.functional.gaussian_nll_loss <n_api_nn_functional_gaussian_nll_loss>` ", "用于计算 gaussiannll 损失"
     " :ref:`paddle.nn.functional.npair_loss <cn_api_fluid_layers_npair_loss>` ", "成对数据损失计算"
     " :ref:`paddle.nn.functional.sigmoid_focal_loss <cn_api_nn_functional_sigmoid_focal_loss>` ", "用于计算分类任务中前景类-背景类数量不均衡问题的损失"
     " :ref:`paddle.nn.functional.smooth_l1_loss <cn_paddle_nn_functional_loss_smooth_l1>` ", "用于计算平滑 L1 损失"
diff --git a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
index 29143e32afd..b97fafdc049 100644
--- a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
+++ b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
@@ -4,13 +4,20 @@ gaussian_nll_loss
 -------------------------------
 .. py:function:: paddle.nn.functional.gaussian_nll_loss(input, label, variance, full=False, epsilon=1e-6, reduction='mean', name=None)
 
-返回 `gaussian negative log likelihood loss`。可在 :ref:`cn_api_paddle_nn_GaussianNLLLoss` 查看详情。
+计算输入 :attr:`input` 、:attr:`variance` 和标签 :attr:`label` 间的 GaussianNLL 损失，
+:attr:`label` 被视为高斯分布的样本，其期望:attr:`input`和方差:attr:`variance`由神经网络预测给出。
+对于一个具有高斯分布的 Tensor :attr:`label`，期望 :attr:`input` 和正方差 :attr:`var` 与其损失的数学计算公式如下：
+
+.. math::
+    \text{loss} = \frac{1}{2}\left(\log\left(\text{max}\left(\text{var},
+        \ \text{epsilon}\right)\right) + \frac{\left(\text{input} - \text{label}\right)^2}
+        {\text{max}\left(\text{var}, \ \text{epsilon}\right)}\right) + \text{const.}
 
 参数
 :::::::::
 - **input** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，其中 :math:`*` 表示任何数量的额外维度。将被拟合成为高斯分布。数据类型为 float32 或 float64。
-- **label** (Tensor)：输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状、数据类型和 :attr:`input` 相同，或者其中一维的大小为 1，这时会进行 broadcast 操作。为服从高斯分布的样本。数据类型为 float32 或 float64。
-- **variance** (Tensor): 输入 :attr:`Tensor`，其形状为 :math:`(N, *)` 或者 :math:`(*)`，形状与 :attr:`input` 相同，或其中一维的大小为 1，或缺少一维，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。
+- **label** (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，如 :attr:`input` 的形状为： :math:`(N, 3)` 时， :attr:`input` 的形状可为 :math:`(N, 1)`，这时会进行 broadcast 操作。为服从高斯分布的样本。数据类型为 float32 或 float64。
+- **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。
@@ -18,7 +25,7 @@ gaussian_nll_loss
 
 返回
 :::::::::
-`Tensor`，返回存储表示 `gaussian negative log likelihood loss` 的损失值。数据类型与:attr:`input`相同。当 reduction 为:attr:`none`时，形状与:attr:`input`相同。
+`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
 :::::::::

From 811c9cf27365db6c09eb510cbf975d2b85fd86fd Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Fri, 7 Apr 2023 15:35:51 +0800
Subject: [PATCH 6/7] =?UTF-8?q?=E8=A1=A5=E5=85=85GaussianNLLLoss=E5=AF=B9s?=
 =?UTF-8?q?hape=E7=9A=84=E6=8F=8F=E8=BF=B0=E3=80=82;=20test=3Ddocs=5Fprevi?=
 =?UTF-8?q?ew?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/api/api_label                                     | 2 +-
 docs/api/paddle/nn/GaussianNLLLoss_cn.rst              | 6 +++---
 docs/api/paddle/nn/Overview_cn.rst                     | 4 ++--
 docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst | 4 ++--
 4 files changed, 8 insertions(+), 8 deletions(-)

diff --git a/docs/api/api_label b/docs/api/api_label
index 3aaa5718b0e..3d6fd75c40e 100644
--- a/docs/api/api_label
+++ b/docs/api/api_label
@@ -987,7 +987,7 @@ paddle.nn.functional.pad	.. _api_paddle_nn_functional_pad:
 paddle.nn.functional.sigmoid_focal_loss	.. _api_paddle_nn_functional_sigmoid_focal_loss:
 paddle.nn.functional.hardsigmoid	.. _api_paddle_nn_functional_hardsigmoid:
 paddle.nn.functional.max_pool3d	.. _api_paddle_nn_functional_max_pool3d:
-paddle.nn.functional.gaussian_nll_loss .. _api_nn_functional_gaussian_nll_loss:
+paddle.nn.functional.gaussian_nll_loss .. _api_nn_paddle_functional_gaussian_nll_loss:
 paddle.nn.initializer.KaimingUniform	.. _api_paddle_nn_initializer_KaimingUniform:
 paddle.nn.initializer.KaimingNormal	.. _api_paddle_nn_initializer_KaimingNormal:
 paddle.nn.initializer.Assign	.. _api_paddle_nn_initializer_Assign:
diff --git a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
index 63af9a9d857..bc0762d2523 100644
--- a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
+++ b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
@@ -1,4 +1,4 @@
-.. _cn_api_nn_GaussianNLLLoss:
+.. _cn_api_paddle_nn_GaussianNLLLoss:
 
 GaussianNLLLoss
 -------------------------------
@@ -6,7 +6,7 @@ GaussianNLLLoss
 .. py:class:: paddle.nn.GaussianNLLLoss(full=False, epsilon=1e-6, reduction='mean', name=None)
 
 该接口创建一个 GaussianNLLLoss 实例，计算输入 :attr:`input` 和标签 :attr:`label`、 :attr:`variance` 间的 GaussianNLL 损失，
-:attr:`label` 被视为服从高斯分布的样本，其期望:attr:`input`和方差:attr:`variance`由神经网络预测给出。
+:attr:`label` 被视为服从高斯分布的样本，期望 :attr:`input` 和 方差:attr:`variance` 由神经网络预测给出。
 对于一个具有高斯分布的 Tensor :attr:`label`，期望 :attr:`input` 和正方差 :attr:`var` 与其损失的数学计算公式如下：
 
 .. math::
@@ -14,7 +14,7 @@ GaussianNLLLoss
         \ \text{epsilon}\right)\right) + \frac{\left(\text{input} - \text{label}\right)^2}
         {\text{max}\left(\text{var}, \ \text{epsilon}\right)}\right) + \text{const.}
 
-其中，:attr:`epsilon` 是一个很小的数字，用于保证数值的稳定性。默认情况下，常数项将会被忽略，除非:attr:`epsilon`为 True。
+其中，:attr:`epsilon` 是一个很小的数字，用于保证数值的稳定性。默认情况下，常数项将会被忽略，除非 :attr:`epsilon` 为 True。
 若 :attr:`variance` 与 :attr:`input` 的形状不一致，则必须要服从广播机制。
 
 参数
diff --git a/docs/api/paddle/nn/Overview_cn.rst b/docs/api/paddle/nn/Overview_cn.rst
index 22c66b63f2e..e67516428b2 100644
--- a/docs/api/paddle/nn/Overview_cn.rst
+++ b/docs/api/paddle/nn/Overview_cn.rst
@@ -258,7 +258,7 @@ Loss 层
     " :ref:`paddle.nn.MarginRankingLoss <cn_api_nn_loss_MarginRankingLoss>` ", "MarginRankingLoss 层"
     " :ref:`paddle.nn.MSELoss <cn_api_paddle_nn_MSELoss>` ", "均方差误差损失层"
     " :ref:`paddle.nn.NLLLoss <cn_api_nn_loss_NLLLoss>` ", "NLLLoss 层"
-    " :ref:`paddle.nn.GaussianNLLLoss <cn_api_nn_loss_GaussianNLLLoss>` ", "GaussianNLLLoss 层"
+    " :ref:`paddle.nn.GaussianNLLLoss <cn_api_paddle_nn_loss_GaussianNLLLoss>` ", "GaussianNLLLoss 层"
     " :ref:`paddle.nn.SmoothL1Loss <cn_api_paddle_nn_SmoothL1Loss>` ", "平滑 L1 损失层"
     " :ref:`paddle.nn.SoftMarginLoss <cn_api_paddle_nn_SoftMarginLoss>` ", "SoftMarginLoss 层"
     " :ref:`paddle.nn.TripletMarginLoss <cn_api_paddle_nn_TripletMarginLoss>` ", "TripletMarginLoss 层"
@@ -482,7 +482,7 @@ Embedding 相关函数
     " :ref:`paddle.nn.functional.margin_ranking_loss <cn_api_nn_cn_margin_ranking_loss>` ", "用于计算 margin rank loss 损失"
     " :ref:`paddle.nn.functional.mse_loss <cn_paddle_nn_functional_mse_loss>` ", "用于计算均方差误差"
     " :ref:`paddle.nn.functional.nll_loss <cn_api_nn_functional_nll_loss>` ", "用于计算 nll 损失"
-    " :ref:`paddle.nn.functional.gaussian_nll_loss <n_api_nn_functional_gaussian_nll_loss>` ", "用于计算 gaussiannll 损失"
+    " :ref:`paddle.nn.functional.gaussian_nll_loss <n_api_paddle_nn_functional_gaussian_nll_loss>` ", "用于计算 gaussiannll 损失"
     " :ref:`paddle.nn.functional.npair_loss <cn_api_fluid_layers_npair_loss>` ", "成对数据损失计算"
     " :ref:`paddle.nn.functional.sigmoid_focal_loss <cn_api_nn_functional_sigmoid_focal_loss>` ", "用于计算分类任务中前景类-背景类数量不均衡问题的损失"
     " :ref:`paddle.nn.functional.smooth_l1_loss <cn_paddle_nn_functional_loss_smooth_l1>` ", "用于计算平滑 L1 损失"
diff --git a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
index b97fafdc049..ade63c5bc8a 100644
--- a/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
+++ b/docs/api/paddle/nn/functional/gaussian_nll_loss_cn.rst
@@ -1,11 +1,11 @@
-.. _cn_api_nn_functional_gaussian_nll_loss:
+.. _cn_api_paddle_nn_functional_gaussian_nll_loss:
 
 gaussian_nll_loss
 -------------------------------
 .. py:function:: paddle.nn.functional.gaussian_nll_loss(input, label, variance, full=False, epsilon=1e-6, reduction='mean', name=None)
 
 计算输入 :attr:`input` 、:attr:`variance` 和标签 :attr:`label` 间的 GaussianNLL 损失，
-:attr:`label` 被视为高斯分布的样本，其期望:attr:`input`和方差:attr:`variance`由神经网络预测给出。
+:attr:`label` 被视为高斯分布的样本，其期望 :attr:`input` 和方差 :attr:`variance` 由神经网络预测给出。
 对于一个具有高斯分布的 Tensor :attr:`label`，期望 :attr:`input` 和正方差 :attr:`var` 与其损失的数学计算公式如下：
 
 .. math::

From 0b9b5b460fbab6bad1c41a4c7263fc4057f65af4 Mon Sep 17 00:00:00 2001
From: Atlantisming <505642573@qq.com>
Date: Mon, 10 Apr 2023 22:13:12 +0800
Subject: [PATCH 7/7] =?UTF-8?q?=E4=BF=AE=E6=94=B9=E6=98=BE=E7=A4=BA?=
 =?UTF-8?q?=E9=94=99=E8=AF=AF=E3=80=82;=20test=3Ddocs=5Fpreview?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/api/paddle/nn/GaussianNLLLoss_cn.rst | 6 +++---
 docs/api/paddle/nn/Overview_cn.rst        | 4 ++--
 2 files changed, 5 insertions(+), 5 deletions(-)

diff --git a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
index bc0762d2523..595dad72487 100644
--- a/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
+++ b/docs/api/paddle/nn/GaussianNLLLoss_cn.rst
@@ -6,7 +6,7 @@ GaussianNLLLoss
 .. py:class:: paddle.nn.GaussianNLLLoss(full=False, epsilon=1e-6, reduction='mean', name=None)
 
 该接口创建一个 GaussianNLLLoss 实例，计算输入 :attr:`input` 和标签 :attr:`label`、 :attr:`variance` 间的 GaussianNLL 损失，
-:attr:`label` 被视为服从高斯分布的样本，期望 :attr:`input` 和 方差:attr:`variance` 由神经网络预测给出。
+:attr:`label` 被视为服从高斯分布的样本，期望 :attr:`input` 和方差 :attr:`variance` 由神经网络预测给出。
 对于一个具有高斯分布的 Tensor :attr:`label`，期望 :attr:`input` 和正方差 :attr:`var` 与其损失的数学计算公式如下：
 
 .. math::
@@ -14,7 +14,7 @@ GaussianNLLLoss
         \ \text{epsilon}\right)\right) + \frac{\left(\text{input} - \text{label}\right)^2}
         {\text{max}\left(\text{var}, \ \text{epsilon}\right)}\right) + \text{const.}
 
-其中，:attr:`epsilon` 是一个很小的数字，用于保证数值的稳定性。默认情况下，常数项将会被忽略，除非 :attr:`epsilon` 为 True。
+其中， :attr:`epsilon` 是一个很小的数字，用于保证数值的稳定性。默认情况下，常数项将会被忽略，除非 :attr:`epsilon` 为 True。
 若 :attr:`variance` 与 :attr:`input` 的形状不一致，则必须要服从广播机制。
 
 参数
@@ -35,7 +35,7 @@ GaussianNLLLoss
 返回
 :::::::::
 
-    - **output** (Tensor) - 输入 :attr:`input`、:attr:`variance` 和 :attr:`label` 间的 `GaussianNLLLoss` 损失。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)'` 。
+    - **output** (Tensor) - 输入 :attr:`input`、 :attr:`variance` 和 :attr:`label` 间的 `GaussianNLLLoss` 损失。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
diff --git a/docs/api/paddle/nn/Overview_cn.rst b/docs/api/paddle/nn/Overview_cn.rst
index e67516428b2..9d5cfb01cc9 100644
--- a/docs/api/paddle/nn/Overview_cn.rst
+++ b/docs/api/paddle/nn/Overview_cn.rst
@@ -258,7 +258,7 @@ Loss 层
     " :ref:`paddle.nn.MarginRankingLoss <cn_api_nn_loss_MarginRankingLoss>` ", "MarginRankingLoss 层"
     " :ref:`paddle.nn.MSELoss <cn_api_paddle_nn_MSELoss>` ", "均方差误差损失层"
     " :ref:`paddle.nn.NLLLoss <cn_api_nn_loss_NLLLoss>` ", "NLLLoss 层"
-    " :ref:`paddle.nn.GaussianNLLLoss <cn_api_paddle_nn_loss_GaussianNLLLoss>` ", "GaussianNLLLoss 层"
+    " :ref:`paddle.nn.GaussianNLLLoss <cn_api_paddle_nn_GaussianNLLLoss>` ", "GaussianNLLLoss 层"
     " :ref:`paddle.nn.SmoothL1Loss <cn_api_paddle_nn_SmoothL1Loss>` ", "平滑 L1 损失层"
     " :ref:`paddle.nn.SoftMarginLoss <cn_api_paddle_nn_SoftMarginLoss>` ", "SoftMarginLoss 层"
     " :ref:`paddle.nn.TripletMarginLoss <cn_api_paddle_nn_TripletMarginLoss>` ", "TripletMarginLoss 层"
@@ -482,7 +482,7 @@ Embedding 相关函数
     " :ref:`paddle.nn.functional.margin_ranking_loss <cn_api_nn_cn_margin_ranking_loss>` ", "用于计算 margin rank loss 损失"
     " :ref:`paddle.nn.functional.mse_loss <cn_paddle_nn_functional_mse_loss>` ", "用于计算均方差误差"
     " :ref:`paddle.nn.functional.nll_loss <cn_api_nn_functional_nll_loss>` ", "用于计算 nll 损失"
-    " :ref:`paddle.nn.functional.gaussian_nll_loss <n_api_paddle_nn_functional_gaussian_nll_loss>` ", "用于计算 gaussiannll 损失"
+    " :ref:`paddle.nn.functional.gaussian_nll_loss <cn_api_paddle_nn_functional_gaussian_nll_loss>` ", "用于计算 gaussiannll 损失"
     " :ref:`paddle.nn.functional.npair_loss <cn_api_fluid_layers_npair_loss>` ", "成对数据损失计算"
     " :ref:`paddle.nn.functional.sigmoid_focal_loss <cn_api_nn_functional_sigmoid_focal_loss>` ", "用于计算分类任务中前景类-背景类数量不均衡问题的损失"
     " :ref:`paddle.nn.functional.smooth_l1_loss <cn_paddle_nn_functional_loss_smooth_l1>` ", "用于计算平滑 L1 损失"