add normalize op docs, fix the typo of L1Loss op docs, test=develop (#2390)

doc/fluid/api_cn/nn_cn/functional_cn.rst

@@ -10,5 +10,6 @@ functional
 
     functional_cn/l1_loss_cn.rst
     functional_cn/nll_loss_cn.rst
+    functional_cn/normalize_cn.rst
     functional_cn/margin_ranking_loss_cn.rst
     functional_cn/mse_loss_cn.rst

doc/fluid/api_cn/nn_cn/functional_cn/l1_loss_cn.rst

 l1_loss
 -------------------------------
 
-.. py:function:: paddle.nn.functional.l1_loss(x, label, reduction='mean', name=None)
+.. py:function:: paddle.nn.functional.l1_loss(input, label, reduction='mean', name=None)
 
-该接口计算输入 ``x`` 和标签 ``label`` 间的 `L1 loss` 损失。
+该接口计算输入 ``input`` 和标签 ``label`` 间的 `L1 loss` 损失。
 
 该损失函数的数学计算公式如下：
 
 当 `reduction` 设置为 ``'none'`` 时，
     
     .. math::
-        Out = \lvert x - label\rvert
+        Out = \lvert input - label\rvert
 
 当 `reduction` 设置为 ``'mean'`` 时，
 
     .. math::
-       Out = MEAN(\lvert x - label\rvert)
+       Out = MEAN(\lvert input - label\rvert)
 
 当 `reduction` 设置为 ``'sum'`` 时，
     
     .. math::
-       Out = SUM(\lvert x - label\rvert)
+       Out = SUM(\lvert input - label\rvert)
 
 
 参数
 :::::::::
-    - **x** (Tensor): - 输入的Tensor，维度是[N, *], 其中N是batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
-    - **label** (Tensor): - 标签，维度是[N, *], 与 ``x`` 相同。数据类型为：float32、float64、int32、int64。
+    - **input** (Tensor): - 输入的Tensor，维度是[N, *], 其中N是batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
+    - **label** (Tensor): - 标签，维度是[N, *], 与 ``input`` 相同。数据类型为：float32、float64、int32、int64。
     - **reduction** (str, 可选): - 指定应用于输出结果的计算方式，可选值有: ``'none'``, ``'mean'``, ``'sum'`` 。默认为 ``'mean'``，计算 `L1Loss` 的均值；设置为 ``'sum'`` 时，计算 `L1Loss` 的总和；设置为 ``'none'`` 时，则返回 `L1Loss`。
     - **name** (str，可选): - 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
 
 返回
 :::::::::
-``Tensor``, 输入 ``x`` 和标签 ``label`` 间的 `L1 loss` 损失。如果 :attr:`reduction` 是 ``'none'``, 则输出Loss的维度为 [N, *], 与输入 ``x`` 相同。如果 :attr:`reduction` 是 ``'mean'`` 或 ``'sum'``, 则输出Loss的维度为 [1]。
+``Tensor``, 输入 ``input`` 和标签 ``label`` 间的 `L1 loss` 损失。如果 `reduction` 是 ``'none'``, 则输出Loss的维度为 [N, *], 与输入 ``input`` 相同。如果 `reduction` 是 ``'mean'`` 或 ``'sum'``, 则输出Loss的维度为 [1]。
 
 
 代码示例
@@ -40,24 +40,24 @@ l1_loss
 
 .. code-block:: python
 
-        import paddle
         import numpy as np
+        import paddle
         
         paddle.disable_static()
-        x_data = np.array([[1.5, 0.8], [0.2, 1.3]]).astype("float32")
+        input_data = np.array([[1.5, 0.8], [0.2, 1.3]]).astype("float32")
         label_data = np.array([[1.7, 1], [0.4, 0.5]]).astype("float32")
-        x = paddle.to_variable(x_data)
+        input = paddle.to_variable(input_data)
         label = paddle.to_variable(label_data)
 
-        l1_loss = paddle.nn.functional.l1_loss(x, label)
+        l1_loss = paddle.nn.functional.l1_loss(input, label)
         print(l1_loss.numpy())  
         # [0.35]
 
-        l1_loss = paddle.nn.functional.l1_loss(x, label, reduction='none')
+        l1_loss = paddle.nn.functional.l1_loss(input, label, reduction='none')
         print(l1_loss.numpy())  
         # [[0.20000005 0.19999999]
         # [0.2        0.79999995]]
 
-        l1_loss = paddle.nn.functional.l1_loss(x, label, reduction='sum')
+        l1_loss = paddle.nn.functional.l1_loss(input, label, reduction='sum')
         print(l1_loss.numpy())  
         # [1.4]

doc/fluid/api_cn/nn_cn/functional_cn/normalize_cn.rst

+normalize
+-------------------------------
+
+.. py:function:: paddle.nn.functional.normalize(x, p=2, axis=1, epsilon=1e-12, name=None)
+
+该接口使用 :math:`L_p` 范数沿维度 ``axis`` 对 ``x`` 进行归一化。计算公式如下：
+
+.. math::
+
+    y = \frac{x}{ \max\left( \lvert \lvert x \rvert \rvert_p, epsilon\right) }
+
+.. math::
+    \lvert \lvert x \rvert \rvert_p = \left(\sum_i {\lvert x_i\rvert^p}  \right)^{1/p}
+
+其中 :math:`\sum_i{\lvert x_i\rvert^p}` 沿维度 ``axis`` 进行计算。
+
+
+参数
+:::::::::
+    - **x** (Tensor) - 输入可以是N-D Tensor。数据类型为：float32、float64。
+    - **p** (float|int, 可选) - 范数公式中的指数值。默认值:2
+    - **axis** (int, 可选）- 要进行归一化的轴。如果 ``x`` 是1-D Tensor，轴固定为0。如果 `axis < 0`，轴为 `x.ndim + axis`。-1表示最后一维。
+    - **epsilon** (float，可选) - 添加到分母上的值以防止分母除0。默认值为1e-12。
+    - **name** (str，可选) - 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+返回
+:::::::::
+``Tensor``, 输出的形状和数据类型和 ``x`` 相同。
+
+抛出异常：
+:::::::::
+    - ``TypeError`` - 当参数  ``p`` 或者 ``axis`` 的类型不符合要求时。或者当参数 ``x`` 的类型或数据类型不符合要求时。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+        import numpy as np
+        import paddle
+        import paddle.nn.functional as F
+
+        paddle.disable_static()
+        x = np.arange(6, dtype=np.float32).reshape(2,3)
+        x = paddle.to_variable(x)
+        y = F.normalize(x)
+        print(y.numpy())
+        # [[0.         0.4472136  0.8944272 ]
+        # [0.42426404 0.5656854  0.7071067 ]]
+
+        y = F.normalize(x, p=1.5)
+        print(y.numpy())
+        # [[0.         0.40862012 0.81724024]
+        # [0.35684016 0.4757869  0.5947336 ]]
+
+        y = F.normalize(x, axis=0)
+        print(y.numpy())
+        # [[0.         0.24253564 0.37139067]
+        # [1.         0.97014254 0.9284767 ]]

doc/fluid/api_cn/nn_cn/loss_cn/L1Loss_cn.rst

@@ -3,24 +3,24 @@ L1Loss
 
 .. py:class:: paddle.nn.loss.L1Loss(reduction='mean', name=None)
 
-该接口用于创建一个L1Loss的可调用类，L1Loss计算输入x和标签label间的 `L1 loss` 损失。
+该接口用于创建一个L1Loss的可调用类，L1Loss计算输入input和标签label间的 `L1 loss` 损失。
 
 该损失函数的数学计算公式如下：
 
 当 `reduction` 设置为 ``'none'`` 时，
     
     .. math::
-        Out = \lvert x - label\rvert
+        Out = \lvert input - label\rvert
 
 当 `reduction` 设置为 ``'mean'`` 时，
 
     .. math::
-       Out = MEAN(\lvert x - label\rvert)
+       Out = MEAN(\lvert input - label\rvert)
 
 当 `reduction` 设置为 ``'sum'`` 时，
     
     .. math::
-       Out = SUM(\lvert x - label\rvert)
+       Out = SUM(\lvert input - label\rvert)
 
 
 参数
@@ -30,36 +30,36 @@ L1Loss
 
 形状
 :::::::::
-    - **x** (Tensor): - 输入的Tensor，维度是[N, *], 其中N是batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
-    - **label** (Tensor): - 标签，维度是[N, *], 与 ``x`` 相同。数据类型为：float32、float64、int32、int64。
-    - **output** (Tensor): - 输入 ``x`` 和标签 ``label`` 间的 `L1 loss` 损失。如果 :attr:`reduction` 是 ``'none'``, 则输出Loss的维度为 [N, *], 与输入 ``x`` 相同。如果 :attr:`reduction` 是 ``'mean'`` 或 ``'sum'``, 则输出Loss的维度为 [1]。
+    - **input** (Tensor): - 输入的Tensor，维度是[N, *], 其中N是batch size， `*` 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
+    - **label** (Tensor): - 标签，维度是[N, *], 与 ``input`` 相同。数据类型为：float32、float64、int32、int64。
+    - **output** (Tensor): - 输入 ``input`` 和标签 ``label`` 间的 `L1 loss` 损失。如果 `reduction` 是 ``'none'``, 则输出Loss的维度为 [N, *], 与输入 ``input`` 相同。如果 `reduction` 是 ``'mean'`` 或 ``'sum'``, 则输出Loss的维度为 [1]。
 
 代码示例
 :::::::::
 
 .. code-block:: python
 
-        import paddle
         import numpy as np
+        import paddle
 
         paddle.disable_static()
-        x_data = np.array([[1.5, 0.8], [0.2, 1.3]]).astype("float32")
+        input_data = np.array([[1.5, 0.8], [0.2, 1.3]]).astype("float32")
         label_data = np.array([[1.7, 1], [0.4, 0.5]]).astype("float32")
-        x = paddle.to_variable(x_data)
+        input = paddle.to_variable(input_data)
         label = paddle.to_variable(label_data)
 
         l1_loss = paddle.nn.loss.L1Loss()
-        output = l1_loss(x, label)
+        output = l1_loss(input, label)
         print(output.numpy())  
         # [0.35]
 
         l1_loss = paddle.nn.loss.L1Loss(reduction='sum')
-        output = l1_loss(x, label)
+        output = l1_loss(input, label)
         print(output.numpy())  
         # [1.4]
 
         l1_loss = paddle.nn.loss.L1Loss(reduction='none')
-        output = l1_loss(x, label)
+        output = l1_loss(input, label)
         print(output.numpy())  
         # [[0.20000005 0.19999999]
         # [0.2        0.79999995]]