Add doc of L1Loss (#2041)

* add doc of L1Loss, test=develop

* refine doc, test=develop

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

 L1Loss
 -------------------------------
-**版本升级，文档正在开发中**
+
+.. py:function:: paddle.nn.loss.L1Loss(reduction='mean')
+
+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 = |input - label|
+
+当 `reduction` 设置为 ``'mean'`` 时，
+
+    .. math::
+       Out = MEAN(|input - label|)
+
+当 `reduction` 设置为 ``'sum'`` 时，
+    
+    .. math::
+       Out = SUM(|input - label|)
+
+输入input和标签label的维度是[N, *], 其中N是batch_size， `*` 是任意其他维度。
+如果 :attr:`reduction` 是 ``'none'``, 则输出Loss的维度为 [N, *], 与输入input相同。
+如果 :attr:`reduction` 是 ``'mean'`` 或 ``'sum'``, 则输出Loss的维度为 [1]。
+
+参数：
+    - **reduction** (string, 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。数据类型为string。
+
+返回：返回计算L1Loss的可调用对象。
+
+**代码示例**
+
+.. code-block:: python
+
+        # declarative mode
+        import paddle.fluid as fluid
+        import numpy as np
+        import paddle
+        input = fluid.data(name="input", shape=[1])
+        label = fluid.data(name="label", shape=[1])
+        l1_loss = paddle.nn.loss.L1Loss(reduction='mean')
+        output = l1_loss(input,label)
+        place = fluid.CPUPlace()
+        exe = fluid.Executor(place)
+        exe.run(fluid.default_startup_program())
+
+        input_data = np.array([1.5]).astype("float32")
+        label_data = np.array([1.7]).astype("float32")
+        output_data = exe.run(fluid.default_main_program(),
+                feed={"input":input_data, "label":label_data},
+                fetch_list=[output],
+                return_numpy=True)
+
+        print(output_data)  # [array([0.2], dtype=float32)]
+        
+        # imperative mode
+        import paddle.fluid.dygraph as dg
+        with dg.guard(place) as g:
+            input = dg.to_variable(input_data)
+            label = dg.to_variable(label_data)
+            l1_loss = paddle.nn.loss.L1Loss(reduction='mean')
+            output = l1_loss(input,label)
+            print(output.numpy())  # [0.2]
+