fix api part4 (#6689)

Author: ooooo-create

docs/api/paddle/nn/MSELoss_cn.rst

@@ -3,7 +3,7 @@
 MSELoss
 -------------------------------
 
-.. py:function:: paddle.nn.MSELoss(reduction='mean')
+.. py:class:: paddle.nn.MSELoss(reduction='mean')
 
 计算预测值和目标值的均方差误差。
 

docs/api/paddle/nn/MaxPool3D_cn.rst

@@ -3,7 +3,7 @@
 MaxPool3D
 -------------------------------
 
-.. py:function:: paddle.nn.MaxPool3D(kernel_size, stride=None, padding=0, ceil_mode=False, return_mask=False, data_format="NCDHW", name=None)
+.. py:class:: paddle.nn.MaxPool3D(kernel_size, stride=None, padding=0, ceil_mode=False, return_mask=False, data_format="NCDHW", name=None)
 构建 `MaxPool3D` 类的一个可调用对象，其将构建一个二维最大池化层，根据输入参数 `kernel_size`, `stride`,
 `padding` 等参数对输入做最大池化操作。
 

docs/api/paddle/nn/PixelShuffle_cn.rst

@@ -3,7 +3,7 @@
 PixelShuffle
 -------------------------------
 
-.. py:function:: paddle.nn.PixelShuffle(upscale_factor, data_format="NCHW", name=None)
+.. py:class:: paddle.nn.PixelShuffle(upscale_factor, data_format="NCHW", name=None)
 
 将一个形为 :math:`[N, C, H, W]` 或是 :math:`[N, H, W, C]` 的 Tensor 重新排列成形为 :math:`[N, C/r^2, H \times r, W \times r]` 或 :math:`[N, H \times r, W \times r, C/r^2]` 的 Tensor。这样做有利于实现步长（stride）为 :math:`1/r` 的高效 sub-pixel（亚像素）卷积。详见 Shi 等人在 2016 年发表的论文 `Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network <https://arxiv.org/abs/1609.05158v2>`_ 。
 

docs/api/paddle/nn/PixelUnshuffle_cn.rst

@@ -3,7 +3,7 @@
 PixelUnshuffle
 -------------------------------
 
-.. py:function:: paddle.nn.PixelUnshuffle(downscale_factor, data_format="NCHW", name=None)
+.. py:class:: paddle.nn.PixelUnshuffle(downscale_factor, data_format="NCHW", name=None)
 将一个形为 :math:`[N, C, H, W]` 或是 :math:`[N, H, W, C]` 的 Tensor 重新排列成形为 :math:`[N, r^2C, H/r, W/r]` 或 :math:`[N, H/r, W/r, r^2C]` 的 Tensor，这里 :math:`r` 是减小空间分辨率的减小因子。这个算子是 PixelShuffle 算子（请参考：:ref:`cn_api_paddle_nn_PixelShuffle`）的逆算子。详见施闻哲等人在 2016 年发表的论文 `Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network <https://arxiv.org/abs/1609.05158v2>`_ 。
 
 .. code-block:: text

docs/api/paddle/nn/RNNCellBase_cn.rst

@@ -11,20 +11,21 @@ RNNCellBase
 
 该 OP（RNNCellBase）是一个抽象表示根据输入和隐藏状态来计算输出和新状态的基本类，最适合也最常用于循环神经网络。
 
-.. py:function:: get_initial_states(batch_ref,shape=None,dtype=None,init_value=0.,batch_dim_idx=0):
+方法
+::::::::::::
+get_initial_states(batch_ref,shape=None,dtype=None,init_value=0.,batch_dim_idx=0):
+'''''''''
 
 根据输入的形状，数据类型和值生成初始状态。
 
-参数
-::::::::::::
+**参数**
 
     - **batch_ref** (Tensor) - 一个 Tensor，其形状决定了生成初始状态使用的 batch_size。当 batch_ref 形状为 d 时，d[batch_dim_idx]为 batch_size。
     - **shape** (list|tuple，可选) - 隐藏层的形状（可以是多层嵌套的），列表或元组的第一位为 batch_size，默认为-1。shape 为 None 时，使用 state_shape(property)。默认为 None。
     - **dtype** (str|list|tuple，可选) - 数据类型（可以是多层嵌套的，但嵌套结构要和 shape 相同。或者所有 Tensor 的数据类型相同时可以只输入一个 dtype。）。当 dtype 为 None 且 state_dtype（property）不可用时，则使用 paddle 默认的 float 类型。默认为 None。
     - **init_value** (float，可选) -用于初始状态的浮点数值。默认为 0。
     - **batch_dim_idx** (int，可选) - 用于指定 batch_size 在 batch_ref 的索引位置的整数值。默认为 0。
 
-返回
-::::::::::::
+**返回**
 
     - **init_state** (Tensor|tuple|list) - 根据输出的数据类型，形状和嵌套层级返回的初始状态 Tensor。

docs/api/paddle/nn/Unflatten_cn.rst

@@ -3,7 +3,7 @@
 Unflatten
 -------------------------------
 
-.. py:function:: paddle.nn.Unflatten(axis, shape, name=None)
+.. py:class:: paddle.nn.Unflatten(axis, shape, name=None)
 
 
 

docs/api/paddle/nn/UpsamplingBilinear2D_cn.rst

@@ -3,7 +3,7 @@
 UpsamplingBilinear2D
 -------------------------------
 
-.. py:function:: paddle.nn.UpsamplingBilinear2D(size=None,scale_factor=None, data_format='NCHW',name=None)
+.. py:class:: paddle.nn.UpsamplingBilinear2D(size=None,scale_factor=None, data_format='NCHW',name=None)
 
 
 

docs/api/paddle/nn/UpsamplingNearest2D_cn.rst

@@ -3,7 +3,7 @@
 UpsamplingNearest2D
 -------------------------------
 
-.. py:function:: paddle.nn.UpsamplingNearest2D(size=None,scale_factor=None, data_format='NCHW',name=None)
+.. py:class:: paddle.nn.UpsamplingNearest2D(size=None,scale_factor=None, data_format='NCHW',name=None)
 
 
 

docs/api/paddle/optimizer/Optimizer_cn.rst

@@ -3,7 +3,7 @@
 Optimizer
 -------------------------------
 
-.. py:class::class paddle.optimizer.Optimizer(learning_rate, parameters=None, weight_decay=None, grad_clip=None, name=None)
+.. py:class:: paddle.optimizer.Optimizer(learning_rate, parameters=None, weight_decay=None, grad_clip=None, name=None)
 
 
 

docs/api/paddle/regularizer/L1Decay_cn.rst

@@ -3,7 +3,7 @@
 L1Decay
 -------------------------------
 
-.. py:attribute::   paddle.regularizer.L1Decay(coeff=0.0)
+.. py:class:: paddle.regularizer.L1Decay(coeff=0.0)
 
 L1Decay 实现 L1 权重衰减正则化，用于模型训练，使得权重矩阵稀疏。