Fix MSELoss ch doc (#2339)

* fix MSELoss ch doc

* support pact demo load checkpoints

* fix example code

doc/fluid/api_cn/nn_cn/loss_cn/MSELoss_cn.rst

 MSELoss
 -------------------------------
 
-.. py:function:: paddle.nn.loss.MSELoss(input,label)
+.. py:function:: paddle.nn.loss.MSELoss(reduction='mean')
 
 该OP用于计算预测值和目标值的均方差误差。
 
@@ -23,13 +23,15 @@ MSELoss
     Out = \operatorname{sum}((input - label)^2)
 
 参数：
-    - **input** (Variable) - 预测值，维度为 :math:`[N_1, N_2, ..., N_k, D]` 的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。
-    - **label** (Variable) - 目标值，维度为 :math:`[N_1, N_2, ..., N_k, D]` 的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。
     - **reduction** (str, 可选) - 约简方式，可以是 'none' | 'mean' | 'sum'。设为'none'时不使用约简，设为'mean'时返回loss的均值，设为'sum'时返回loss的和。
 
-返回：预测值和目标值的均方差
+形状:
+    - **input** (Tensor) - 预测值，维度为 :math:`[N_1, N_2, ..., N_k]` 的多维Tensor。数据类型为float32或float64。
+    - **label** (Tensor) - 目标值，维度为 :math:`[N_1, N_2, ..., N_k]` 的多维Tensor。数据类型为float32或float64。
+    
+
+返回：变量（Tensor）, 预测值和目标值的均方差, 数值类型与输入相同
 
-返回类型：变量（Variable）
 
 **代码示例**：
 
@@ -37,32 +39,32 @@ MSELoss
 
     import numpy as np
     import paddle
-    from paddle import fluid
-    import paddle.fluid.dygraph as dg
 
+
+    # static graph mode
+    paddle.enable_static()
     mse_loss = paddle.nn.loss.MSELoss()
-    input = fluid.data(name="input", shape=[1])
-    label = fluid.data(name="label", shape=[1])
-    place = fluid.CPUPlace()
+    input = paddle.data(name="input", shape=[1])
+    label = paddle.data(name="label", shape=[1])
+    place = paddle.CPUPlace()
     input_data = np.array([1.5]).astype("float32")
     label_data = np.array([1.7]).astype("float32")
 
-    # declarative mode
     output = mse_loss(input,label)
-    exe = fluid.Executor(place)
-    exe.run(fluid.default_startup_program())
+    exe = paddle.static.Executor(place)
+    exe.run(paddle.static.default_startup_program())
     output_data = exe.run(
-        fluid.default_main_program(),
+        paddle.static.default_main_program(),
         feed={"input":input_data, "label":label_data},
         fetch_list=[output],
         return_numpy=True)
     print(output_data)
     # [array([0.04000002], dtype=float32)]
 
-    # imperative mode
-    with dg.guard(place) as g:
-        input = dg.to_variable(input_data)
-        label = dg.to_variable(label_data)
-        output = mse_loss(input, label)
-        print(output.numpy())
-        # [0.04000002]
+    # dynamic graph mode
+    paddle.disable_static()
+    input = paddle.to_variable(input_data)
+    label = paddle.to_variable(label_data)
+    output = mse_loss(input, label)
+    print(output.numpy())
+    # [0.04000002]