补充GaussianNLLLoss中文文档。;test=docs_preview

docs/api/api_label

@@ -911,6 +911,7 @@ 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:
@@ -990,6 +991,7 @@ 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_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:

docs/api/paddle/nn/GaussianNLLLoss_cn.rst

@@ -0,0 +1,44 @@
+.. _cn_api_paddle_nn_GaussianNLLLoss:
+
+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。
+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) - 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。
+
+形状
+::::::::::
+
+    - **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
+:::::::::
+
+    - **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
+:::::::::
+
+COPY-FROM: paddle.nn.GaussianNLLLoss

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_paddle_nn_GaussianNLLLoss>` ", "GaussianNLLLoss 层"
     " :ref:`paddle.nn.PoissonNLLLoss <cn_api_paddle_nn_PoissonNLLLoss>`", "PoissonNLLLoss 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"
@@ -483,6 +484,7 @@ 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 <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"

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

@@ -0,0 +1,33 @@
+.. _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。
+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。
+- **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)'` 。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.nn.functional.gaussian_nll_loss