Update max_pool3d_cn.rst

doc/fluid/api_cn/nn_cn/functional_cn/max_pool3d_cn.rst

+.. _cn_api_nn_functional_max_pool3d:
+
 max_pool3d
 -------------------------------
 
-.. py:function:: paddle.nn.functinoal.max_pool3d(x, kernel_size,stride=None,padding=0,ceil_mode=False,return_indices=False,data_format="NCDHW",name=None))
+.. py:function:: paddle.nn.functinoal.max_pool3d(x, kernel_size, stride=None, padding=0, ceil_mode=False, return_indices=False, data_format="NCDHW", name=None))
 该函数是一个三维最大池化函数，根据输入参数 `kernel_size`, `stride`,
 `padding` 等参数对输入 `x` 做最大池化操作。
 
@@ -27,7 +29,7 @@ max_pool3d
     - **kernel_size** (int|list|tuple): 池化核大小。如果它是一个元组或列表，它必须包含三个整数值， (pool_size_Depth，pool_size_Height, pool_size_Width)。若为一个整数，则表示D，H和W维度上均为该值，比如若pool_size=2, 则池化核大小为[2,2,2]。
     - **stride** (int|list|tuple)：池化层的步长。如果它是一个元组或列表，它将包含三个整数，(pool_stride_Depth，pool_stride_Height, pool_stride_Width)。若为一个整数，则表示D, H和W维度上stride均为该值。默认值为kernel_size.
     - **padding** (string|int|list|tuple) 池化填充。如果它是一个字符串，可以是"VALID"或者"SAME"，表示填充算法。如果它是一个元组或列表，它可以有3种格式：(1)包含3个整数值：[pad_depth, pad_height, pad_width]；(2)包含6个整数值：[pad_depth_front, pad_depth_back, pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]；(3)包含5个二元组：当 data_format 为"NCDHW"时为[[0,0], [0,0], [pad_depth_front, pad_depth_back], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right]]，当 data_format 为"NDHWC"时为[[0,0], [pad_depth_front, pad_depth_back], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right], [0,0]]。若为一个整数，则表示D、H和W维度上均为该值。默认值：0
-    - **ceil_mode** (bool)：是否用ceil函数计算输出高度和宽度。如果是True，则使用 `ceil` 计算输出形状的大小。
+    - **ceil_mode** (bool)：是否用ceil函数计算输出高度和宽度。如果是True，则使用 `ceil` 计算输出形状的大小。默认为False
     - **return_indices** (bool)：是否返回最大索引和输出。默认为False.
     - **data_format** (str)： 输入和输出的数据格式，可以是"NCDHW"和"NDHWC"。N是批尺寸，C是通道数，D是特征深度，H是特征高度，W是特征宽度。默认值："NDCHW"。
     - **name** (str)：函数的名字，默认为None.