[Docs][cn] restore same name api docs

docs/api/paddle/metric/Accuracy__upper_cn.rst

@@ -1,30 +1,113 @@
-.. _cn_api_paddle_metric_accuracy:
+.. _cn_api_metric_Accuracy:
 
-accuracy
+Accuracy
 -------------------------------
 
-.. py:function:: paddle.metric.accuracy(input, label, k=1, correct=None, total=None, name=None)
+.. py:class:: paddle.metric.Accuracy(topk=(1, ), name=None, *args, **kwargs)
 
-accuracy layer。参考 https://en.wikipedia.org/wiki/Precision_and_recall
 
-使用输入和标签计算准确率。如果正确的标签在 topk 个预测值里，则计算结果加 1。注意：输出正确率的类型由 input 类型决定，input 和 lable 的类型可以不一样。
+计算准确率(accuracy)。
 
-参数
+参数：
 :::::::::
+    - **topk** (list[int]|tuple[int]) - 计算准确率的 top 个数，默认是(1,)。
+    - **name** (str, optional) - metric 实例的名字。默认值为 None，表示使用默认名字 'acc'。
 
-    - **input** (Tensor)-数据类型为 float32,float64。输入为网络的预测值。shape 为 ``[sample_number, class_dim]`` 。
-    - **label** (Tensor)-数据类型为 int64。输入为数据集的标签。shape 为 ``[sample_number, 1]`` 。
-    - **k** (int64|int32，可选) - 取每个类别中 k 个预测值用于计算，默认值为 1。
-    - **correct** (int64|int32, 可选)-正确预测值的个数，默认值为 None。
-    - **total** (int64|int32，可选)-总共的预测值，默认值为 None。
-    - **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。
+代码示例
+:::::::::
+
+**独立使用示例:**
+
+    .. code-block:: python
+
+        import numpy as np
+        import paddle
+        x = paddle.to_tensor(np.array([
+            [0.1, 0.2, 0.3, 0.4],
+            [0.1, 0.4, 0.3, 0.2],
+            [0.1, 0.2, 0.4, 0.3],
+            [0.1, 0.2, 0.3, 0.4]]))
+        y = paddle.to_tensor(np.array([[0], [1], [2], [3]]))
+        m = paddle.metric.Accuracy()
+        correct = m.compute(x, y)
+        m.update(correct)
+        res = m.accumulate()
+        print(res) # 0.75
+
+
+**在 Model API 中的示例**
+
+    .. code-block:: python
+
+        import paddle
+        from paddle.static import InputSpec
+        import paddle.vision.transforms as T
+        from paddle.vision.datasets import MNIST
+
+        input = InputSpec([None, 1, 28, 28], 'float32', 'image')
+        label = InputSpec([None, 1], 'int64', 'label')
+        transform = T.Compose([T.Transpose(), T.Normalize([127.5], [127.5])])
+        train_dataset = MNIST(mode='train', transform=transform)
 
-返回
+        model = paddle.Model(paddle.vision.models.LeNet(), input, label)
+        optim = paddle.optimizer.Adam(
+            learning_rate=0.001, parameters=model.parameters())
+        model.prepare(
+            optim,
+            loss=paddle.nn.CrossEntropyLoss(),
+            metrics=paddle.metric.Accuracy())
+
+        model.fit(train_dataset, batch_size=64)
+
+
+compute(pred, label, *args)
 :::::::::
 
-    ``Tensor``，计算出来的正确率，数据类型为 float32 的 Tensor。
+计算 top-k（topk 中的最大值）的索引。
 
-代码示例
+**参数**
+
+    - **pred** (Tensor) - 预测结果为是 float64 或 float32 类型的 Tensor。shape 为[batch_size, d0, ..., dN].
+    - **label** (Tensor) - 真实的标签值是一个 int64 类型的 Tensor，shape 为[batch_size, d0, ..., 1] 或 one hot 表示的形状[batch_size, d0, ..., num_classes].
+
+**返回**
+
+Tensor，shape 是[batch_size, d0, ..., topk], 值为 0 或 1，1 表示预测正确.
+
+
+update(pred, label, *args)
 :::::::::
 
-COPY-FROM: paddle.metric.accuracy
+更新 metric 的状态（正确预测的个数和总个数），以便计算累积的准确率。返回当前 step 的准确率。
+
+**参数**
+
+    - **correct** (numpy.array | Tensor): 一个值为 0 或 1 的 Tensor，shape 是[batch_size, d0, ..., topk]。
+
+**返回**
+
+当前 step 的准确率。
+
+reset()
+:::::::::
+
+清空状态和计算结果。
+
+accumulate()
+:::::::::
+
+累积的统计指标，计算和返回准确率。
+
+**返回**
+
+准确率，一般是个标量 或 多个标量，和 topk 的个数一致。
+
+
+name()
+:::::::::
+
+返回 Metric 实例的名字, 参考上述 name，默认是'acc'。
+
+**返回**
+
+评估的名字，string 类型。

docs/api/paddle/vision/transforms/Normalize__upper_cn.rst

@@ -1,27 +1,32 @@
-.. _cn_api_vision_transforms_normalize:
+.. _cn_api_vision_transforms_Normalize:
 
-normalize
+Normalize
 -------------------------------
 
-.. py:function:: paddle.vision.transforms.normalize(img, mean, std, data_format='CHW', to_rgb=False)
+.. py:class:: paddle.vision.transforms.Normalize(mean=0.0, std=1.0, data_format='CHW', to_rgb=False, keys=None)
 
-用均值和标准差归一化输入数据。
+用均值和标准差归一化输入数据。给定 n 个通道的均值(M1,...,Mn)和方差(S1,..,Sn)，Normalize 会在每个通道归一化输入数据。output[channel] = (input[channel] - mean[channel]) / std[channel]
 
 参数
 :::::::::
 
-    - img (PIL.Image|np.array|paddle.Tensor) - 用于归一化的数据。
     - mean (list|tuple) - 用于每个通道归一化的均值。
     - std (list|tuple) - 用于每个通道归一化的标准差值。
-    - data_format (str, optional)：数据的格式，必须为 'HWC' 或 'CHW'。默认值：'CHW'。
+    - data_format (str, optional) - 数据的格式，必须为 'HWC' 或 'CHW'。 默认值: 'CHW'。
     - to_rgb (bool, optional) - 是否转换为 ``rgb`` 的格式。默认值：False。
 
+形状
+:::::::::
+
+    - img (PIL.Image|np.ndarray|paddle.Tensor) - 输入的图像数据，数据格式为'HWC'。
+    - output (PIL.Image|np.ndarray|Paddle.Tensor) - 返回归一化后的图像数据。
+
 返回
 :::::::::
 
-    ``numpy array 或 paddle.Tensor``，归一化后的图像。
+计算 ``Normalize`` 的可调用对象。
 
 代码示例
 :::::::::
 
-COPY-FROM: paddle.vision.transforms.normalize
+COPY-FROM: paddle.vision.transforms.Normalize

docs/api/paddle/vision/transforms/Pad__upper_cn.rst

@@ -1,26 +1,32 @@
-.. _cn_api_vision_transforms_pad:
+.. _cn_api_vision_transforms_Pad:
 
-pad
+Pad
 -------------------------------
 
-.. py:function:: paddle.vision.transforms.pad(img, padding, fill=0, padding_mode='constant')
+.. py:class:: paddle.vision.transforms.Pad(padding, fill=0, padding_mode='constant', keys=None)
 
 使用特定的模式和值来对输入图像进行填充。
 
 参数
 :::::::::
 
-    - img (PIL.Image|np.ndarray) - 被填充的图像。
-    - padding (int|list|tuple) -   在图像边界上进行填充的范围。如果提供的是单个 int 值，则该值用于填充图像所有边；如果提供的是长度为 2 的元组/列表，则分别为图像左/右和顶部/底部进行填充；如果提供的是长度为 4 的元组/列表，则按照左，上，右和下的顺序为图像填充。
-    - fill (int|tuple) - 用于填充的像素值。仅当 padding_mode 为 constant 时参数值有效。默认值：0。如果参数值是一个长度为 3 的元组，则会分别用于填充 R，G，B 通道。
-    - padding_mode (string) - 填充模式。支持：constant, edge, reflect 或 symmetric。默认值：constant。 ``constant`` 表示使用常量值进行填充，该值由 fill 参数指定。``edge`` 表示使用图像边缘像素值进行填充。``reflect`` 表示使用原图像的镜像值进行填充（不使用边缘上的值）；比如：使用该模式对 ``[1, 2, 3, 4]`` 的两端分别填充 2 个值，结果是 ``[3, 2, 1, 2, 3, 4, 3, 2]``。``symmetric`` 表示使用原图像的镜像值进行填充（使用边缘上的值）；比如：使用该模式对 ``[1, 2, 3, 4]`` 的两端分别填充 2 个值，结果是 ``[2, 1, 1, 2, 3, 4, 4, 3]``。
+    - padding (int|list|tuple) - 在图像边界上进行填充的范围。如果提供的是单个 int 值，则该值用于填充图像所有边；如果提供的是长度为 2 的元组/列表，则分别为图像左/右和顶部/底部进行填充；如果提供的是长度为 4 的元组/列表，则按照左，上，右和下的顺序为图像填充。
+    - fill (int|list|tuple) - 用于填充的像素值。仅当 padding_mode 为 constant 时参数值有效。 默认值：0。 如果参数值是一个长度为 3 的元组，则会分别用于填充 R，G，B 通道。
+    - padding_mode (string) - 填充模式。支持: constant, edge, reflect 或 symmetric。 默认值：constant。 ``constant`` 表示使用常量值进行填充，该值由 fill 参数指定。``edge`` 表示使用图像边缘像素值进行填充。``reflect`` 表示使用原图像的镜像值进行填充（不使用边缘上的值）；比如：使用该模式对 ``[1, 2, 3, 4]`` 的两端分别填充 2 个值，结果是 ``[3, 2, 1, 2, 3, 4, 3, 2]``。``symmetric`` 表示使用原图像的镜像值进行填充（使用边缘上的值）；比如：使用该模式对 ``[1, 2, 3, 4]`` 的两端分别填充 2 个值，结果是 ``[2, 1, 1, 2, 3, 4, 4, 3]``。
+    - keys (list[str]|tuple[str], optional) - 与 ``BaseTransform`` 定义一致。默认值: None。
+
+形状
+:::::::::
+
+    - img (PIL.Image|np.ndarray|Paddle.Tensor) - 输入的图像数据，数据格式为'HWC'。
+    - output (PIL.Image|np.ndarray|Paddle.Tensor) - 返回填充后的图像数据。
 
 返回
 :::::::::
 
-    ``PIL.Image 或 numpy.ndarray``，填充后的图像。
+计算 ``Pad`` 的可调用对象。
 
 代码示例
 :::::::::
 
-COPY-FROM: paddle.vision.transforms.pad
+COPY-FROM: paddle.vision.transforms.Pad

docs/api/paddle/vision/transforms/Resize__upper_cn.rst

@@ -1,18 +1,17 @@
-.. _cn_api_vision_transforms_resize:
+.. _cn_api_vision_transforms_Resize:
 
-resize
+Resize
 -------------------------------
 
-.. py:function:: paddle.vision.transforms.resize(img, size, interpolation='bilinear')
+.. py:class:: paddle.vision.transforms.Resize(size, interpolation='bilinear', keys=None)
 
 将输入数据调整为指定大小。
 
 参数
 :::::::::
 
-    - img (numpy.ndarray|PIL.Image) - 输入数据，可以是(H, W, C)形状的图像或遮罩。
-    - size (int|tuple) - 输出图像大小。如果 size 是一个序列，例如（h，w），输出大小将与此匹配。如果 size 为 int，图像的较小边缘将与此数字匹配，即如果 height > width，则图像将重新缩放为(size * height / width, size)。
-    - interpolation (int|str, optional) - 插值的方法，默认值：'bilinear'。
+    - size (int|list|tuple) - 输出图像大小。如果 size 是一个序列，例如（h，w），输出大小将与此匹配。如果 size 为 int，图像的较小边缘将与此数字匹配，即如果 height > width，则图像将重新缩放为(size * height / width, size)。
+    - interpolation (int|str, optional) - 插值的方法，默认值: 'bilinear'。
         - 当使用 ``pil`` 作为后端时，支持的插值方法如下
             + "nearest": Image.NEAREST,
             + "bilinear": Image.BILINEAR,
@@ -26,13 +25,20 @@ resize
             + "area": cv2.INTER_AREA,
             + "bicubic": cv2.INTER_CUBIC,
             + "lanczos": cv2.INTER_LANCZOS4。
+    - keys (list[str]|tuple[str], optional) - 与 ``BaseTransform`` 定义一致。默认值: None。
+
+形状
+:::::::::
+
+    - img (PIL.Image|np.ndarray|Paddle.Tensor) - 输入的图像数据，数据格式为'HWC'。
+    - output (PIL.Image|np.ndarray|Paddle.Tensor) - 返回调整大小后的图像数据。
 
 返回
 :::::::::
 
-    ``PIL.Image 或 numpy.ndarray``，调整大小后的图像数据。
+计算 ``Resize`` 的可调用对象。
 
 代码示例
 :::::::::
 
-COPY-FROM: paddle.vision.transforms.resize
+COPY-FROM: paddle.vision.transforms.Resize

docs/api/paddle/vision/transforms/normalize_cn.rst

@@ -13,13 +13,13 @@ normalize
     - img (PIL.Image|np.array|paddle.Tensor) - 用于归一化的数据。
     - mean (list|tuple) - 用于每个通道归一化的均值。
     - std (list|tuple) - 用于每个通道归一化的标准差值。
-    - data_format (str, optional)：数据的格式，必须为 'HWC' 或 'CHW'。默认值：'CHW'。
+    - data_format (str, optional) - 数据的格式，必须为 'HWC' 或 'CHW'。默认值：'CHW'。
     - to_rgb (bool, optional) - 是否转换为 ``rgb`` 的格式。默认值：False。
 
 返回
 :::::::::
 
-    ``numpy array 或 paddle.Tensor``，归一化后的图像。
+``numpy array`` 或 ``paddle.Tensor``，归一化后的图像。
 
 代码示例
 :::::::::

docs/api/paddle/vision/transforms/pad_cn.rst

@@ -11,14 +11,14 @@ pad
 :::::::::
 
     - img (PIL.Image|np.ndarray) - 被填充的图像。
-    - padding (int|list|tuple) -   在图像边界上进行填充的范围。如果提供的是单个 int 值，则该值用于填充图像所有边；如果提供的是长度为 2 的元组/列表，则分别为图像左/右和顶部/底部进行填充；如果提供的是长度为 4 的元组/列表，则按照左，上，右和下的顺序为图像填充。
+    - padding (int|list|tuple) - 在图像边界上进行填充的范围。如果提供的是单个 int 值，则该值用于填充图像所有边；如果提供的是长度为 2 的元组/列表，则分别为图像左/右和顶部/底部进行填充；如果提供的是长度为 4 的元组/列表，则按照左，上，右和下的顺序为图像填充。
     - fill (int|tuple) - 用于填充的像素值。仅当 padding_mode 为 constant 时参数值有效。默认值：0。如果参数值是一个长度为 3 的元组，则会分别用于填充 R，G，B 通道。
     - padding_mode (string) - 填充模式。支持：constant, edge, reflect 或 symmetric。默认值：constant。 ``constant`` 表示使用常量值进行填充，该值由 fill 参数指定。``edge`` 表示使用图像边缘像素值进行填充。``reflect`` 表示使用原图像的镜像值进行填充（不使用边缘上的值）；比如：使用该模式对 ``[1, 2, 3, 4]`` 的两端分别填充 2 个值，结果是 ``[3, 2, 1, 2, 3, 4, 3, 2]``。``symmetric`` 表示使用原图像的镜像值进行填充（使用边缘上的值）；比如：使用该模式对 ``[1, 2, 3, 4]`` 的两端分别填充 2 个值，结果是 ``[2, 1, 1, 2, 3, 4, 4, 3]``。
 
 返回
 :::::::::
 
-    ``PIL.Image 或 numpy.ndarray``，填充后的图像。
+``PIL.Image`` 或 ``numpy.ndarray``，填充后的图像。
 
 代码示例
 :::::::::

docs/api/paddle/vision/transforms/resize_cn.rst

@@ -30,7 +30,7 @@ resize
 返回
 :::::::::
 
-    ``PIL.Image 或 numpy.ndarray``，调整大小后的图像数据。
+``PIL.Image`` 或 ``numpy.ndarray``，调整大小后的图像数据。
 
 代码示例
 :::::::::