Fix the argsort and sort doc for the paddle api2.0 (#2282)

Fix the argsort, sort the api doc for paddle2.0

doc/fluid/api/paddle/argsort.rst

@@ -2,6 +2,6 @@
 
 argsort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
+:doc_source: paddle.tensor.argsort
 
 

doc/fluid/api/paddle/sort.rst

@@ -2,6 +2,6 @@
 
 sort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
+:doc_source: paddle.tensor.sort
 
 

doc/fluid/api/tensor/argsort.rst

@@ -2,6 +2,6 @@
 
 argsort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
+:doc_source: paddle.tensor.argsort
 
 

doc/fluid/api/tensor/sort.rst

@@ -2,6 +2,6 @@
 
 sort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
+:doc_source: paddle.tensor.sort
 
 

doc/fluid/api_cn/paddle_cn/argsort_cn.rst

@@ -2,6 +2,6 @@
 
 argsort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
+:doc_source: paddle.tensor.argsort
 
 

doc/fluid/api_cn/paddle_cn/sort_cn.rst

@@ -2,6 +2,6 @@
 
 sort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
+:doc_source: paddle.tensor.sort
 
 

doc/fluid/api_cn/tensor_cn/argsort_cn.rst

@@ -2,6 +2,62 @@
 
 argsort
 -------------------------------
-:doc_source: paddle.fluid.layers.argsort
 
+.. py:function:: paddle.argsort(x, axis=-1, descending=False, name=None)
 
+:alias_main: paddle.argsort
+:alias: paddle.argsort,paddle.tensor.argsort,paddle.tensor.search.argsort
+
+对输入变量沿给定轴进行排序，输出排序好的数据的相应索引，其维度和输入相同。**默认升序排列，如果需要降序排列设置** ``descending=True`` 。
+
+
+参数：
+    - **x** (Tensor) - 输入的多维 ``Tensor`` ，支持的数据类型：float32、float64、int16、int32、int64、uint8。
+    - **axis** (int，可选) - 指定对输入Tensor进行运算的轴， ``axis`` 的有效范围是[-R, R)，R是输入 ``x`` 的Rank， ``axis`` 为负时与 ``axis`` +R 等价。默认值为0。
+    - **descending** (bool，可选) - 指定算法排序的方向。如果设置为True，算法按照降序排序。如果设置为False或者不设置，按照升序排序。默认值为False。
+    - **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：排序后索引信息（与 ``x`` 维度信息一致），数据类型为int64。
+
+返回类型：Tensor
+
+**代码示例**：
+
+.. code-block:: python
+
+    import paddle
+    import paddle.imperative as imperative 
+    import numpy as np
+  
+    paddle.enable_imperative()
+    input_array = np.array([[[5,8,9,5],
+                  [0,0,1,7],
+                  [6,9,2,4]],
+                  [[5,2,4,2],
+                  [4,7,7,9],
+                  [1,7,0,6]]]).astype(np.float32)
+    x = imperative.to_variable(input_array)
+    out1 = paddle.argsort(x=x, axis=-1)
+    out2 = paddle.argsort(x=x, axis=0)
+    out3 = paddle.argsort(x=x, axis=1)
+    print(out1.numpy())
+    #[[[0 3 1 2]
+    #  [0 1 2 3]
+    #  [2 3 0 1]]
+    # [[1 3 2 0]
+    #  [0 1 2 3]
+    #  [2 0 3 1]]]
+    print(out2.numpy())
+    #[[[0 1 1 1]
+    #  [0 0 0 0]
+    #  [1 1 1 0]]
+    # [[1 0 0 0]
+    #  [1 1 1 1]
+    #  [0 0 0 1]]]
+    print(out3.numpy())
+    #[[[1 1 1 2]
+    #  [0 0 2 0]
+    #  [2 2 0 1]]
+    # [[2 0 2 0]
+    #  [1 1 0 2]
+    #  [0 2 1 1]]]

doc/fluid/api_cn/tensor_cn/sort_cn.rst

@@ -3,73 +3,69 @@
 sort
 -------------------------------
 
-.. py:function:: paddle.sort(input, axis=-1, descending=False, out=None, name=None)
+.. py:function:: paddle.sort(x, axis=-1, descending=False, name=None)
 
 :alias_main: paddle.sort
 :alias: paddle.sort,paddle.tensor.sort,paddle.tensor.search.sort
-:update_api: paddle.fluid.layers.argsort
-
 
 
 对输入变量沿给定轴进行排序，输出排序好的数据和相应的索引，其维度和输入相同。**默认升序排列，如果需要降序排列设置** ``descending=True`` 。
 
 
 参数：
-    - **input** (Variable) - 输入的多维 ``Tensor`` ，支持的数据类型：float32、float64、int16、int32、int64、uint8。
+    - **x** (Tensor) - 输入的多维 ``Tensor`` ，支持的数据类型：float32、float64、int16、int32、int64、uint8。
     - **axis** (int，可选) - 指定对输入Tensor进行运算的轴， ``axis`` 的有效范围是[-R, R)，R是输入 ``x`` 的Rank， ``axis`` 为负时与 ``axis`` +R 等价。默认值为0。
     - **descending** (bool，可选) - 指定算法排序的方向。如果设置为True，算法按照降序排序。如果设置为False或者不设置，按照升序排序。默认值为False。
-    - **out** (Variable, 可选) – 指定存储运算结果的Tensor（与 ``input`` 维度相同、数据类型相同）。如果设置为None或者不设置，将创建新的Tensor存储运算结果，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。
 
-返回：一组已排序的输出（与 ``input`` 维度相同、数据类型相同）和索引（数据类型为int64）。
+返回：一组已排序的输出（与 ``x`` 维度相同、数据类型相同）和索引（数据类型为int64）。
 
-返回类型：tuple[Variable]
+返回类型：tuple[Tensor]
 
 **代码示例**：
 
 .. code-block:: python
 
-  import paddle
-  import paddle.fluid as fluid
-  import numpy as np
-
-  in1 = np.array([[[5,8,9,5],
-                   [0,0,1,7],
-                   [6,9,2,4]],
-                  [[5,2,4,2],
-                   [4,7,7,9],
-                   [1,7,0,6]]]).astype(np.float32)
-  with fluid.dygraph.guard():
-      x = fluid.dygraph.to_variable(in1)
-      out1 = paddle.sort(input=x, axis=-1) # same as axis==2
-      out2 = paddle.sort(input=x, axis=0)
-      out3 = paddle.sort(input=x, axis=1)
-      print(out1[0].numpy())
-      # [[[5. 5. 8. 9.]
-      #   [0. 0. 1. 7.]
-      #   [2. 4. 6. 9.]]
-      #  [[2. 2. 4. 5.]
-      #   [4. 7. 7. 9.]
-      #   [0. 1. 6. 7.]]]
-      print(out1[1].numpy())
-      # [[[0 3 1 2]
-      #   [0 1 2 3]
-      #   [2 3 0 1]]
-      #  [[1 3 2 0]
-      #   [0 1 2 3]
-      #   [2 0 3 1]]]
-      print(out2[0].numpy())
-      # [[[5. 2. 4. 2.]
-      #   [0. 0. 1. 7.]
-      #   [1. 7. 0. 4.]]
-      #  [[5. 8. 9. 5.]
-      #   [4. 7. 7. 9.]
-      #   [6. 9. 2. 6.]]]
-      print(out3[0].numpy())
-      # [[[0. 0. 1. 4.]
-      #   [5. 8. 2. 5.]
-      #   [6. 9. 9. 7.]]
-      #  [[1. 2. 0. 2.]
-      #   [4. 7. 4. 6.]
-      #   [5. 7. 7. 9.]]]
-
+    import paddle
+    import paddle.imperative as imperative 
+    import numpy as np
+    
+    paddle.enable_imperative()
+    input_array = np.array([[[5,8,9,5],
+                    [0,0,1,7],
+                    [6,9,2,4]],
+                    [[5,2,4,2],
+                    [4,7,7,9],
+                    [1,7,0,6]]]).astype(np.float32)
+    x = imperative.to_variable(input_array)
+    out1 = paddle.sort(x=x, axis=-1)
+    out2 = paddle.sort(x=x, axis=0)
+    out3 = paddle.sort(x=x, axis=1)
+    print(out1[0].numpy())
+    #[[[5. 5. 8. 9.]
+    #  [0. 0. 1. 7.]
+    #  [2. 4. 6. 9.]]
+    # [[2. 2. 4. 5.]
+    #  [4. 7. 7. 9.]
+    #  [0. 1. 6. 7.]]]
+    print(out1[1].numpy())
+    #[[[0 3 1 2]
+    # [0 1 2 3]
+    # [2 3 0 1]]
+    # [[1 3 2 0]
+    # [0 1 2 3]
+    # [2 0 3 1]]]
+    print(out2[0].numpy())
+    #[[[5. 2. 4. 2.]
+    #  [0. 0. 1. 7.]
+    #  [1. 7. 0. 4.]]
+    # [[5. 8. 9. 5.]
+    #  [4. 7. 7. 9.]
+    #  [6. 9. 2. 6.]]]
+    print(out3[0].numpy())
+    #[[[0. 0. 1. 4.]
+    #  [5. 8. 2. 5.]
+    #  [6. 9. 9. 7.]]
+    # [[1. 2. 0. 2.]
+    #  [4. 7. 4. 6.]
+    #  [5. 7. 7. 9.]]]