[API 2.0] Fix Chinese doc of api sum.

doc/fluid/api_cn/tensor_cn/sum_cn.rst

@@ -3,47 +3,45 @@
 sum
 -------------------------------
 
-.. py:function:: paddle.sum(input, dim=None, dtype=None, keep_dim=False, name=None)
-
-:alias_main: paddle.sum
-:alias: paddle.sum,paddle.tensor.sum,paddle.tensor.math.sum
-:update_api: paddle.fluid.layers.reduce_sum
-
-
+.. py:function:: paddle.sum(x, axis=None, dtype=None, keepdim=False, name=None)
 
 该OP是对指定维度上的Tensor元素进行求和运算，并输出相应的计算结果。
 
 参数：
-    - **input** （Variable）- 输入变量为多维Tensor或LoDTensor，支持数据类型为float32，float64，int32，int64。
-    - **dim** （list | int ，可选）- 求和运算的维度。如果为None，则计算所有元素的和并返回包含单个元素的Tensor变量，否则必须在  :math:`[−rank(input),rank(input)]` 范围内。如果 :math:`dim [i] <0` ，则维度将变为 :math:`rank+dim[i]` ，默认值为None。
+    - **x** （Tensor）- 输入变量为多维Tensor，支持数据类型为float32，float64，int32，int64。
+    - **axis** （int | list | tuple ，可选）- 求和运算的维度。如果为None，则计算所有元素的和并返回包含单个元素的Tensor变量，否则必须在  :math:`[−rank(x),rank(x)]` 范围内。如果 :math:`axis [i] <0` ，则维度将变为 :math:`rank+axis[i]` ，默认值为None。
     - **dtype** （str ， 可选）- 输出变量的数据类型。若参数为空，则输出变量的数据类型和输入变量相同，默认值为None。
-    - **keep_dim** （bool）- 是否在输出Tensor中保留减小的维度。如 keep_dim 为true，否则结果张量的维度将比输入张量小，默认值为False。
+    - **keepdim** （bool）- 是否在输出Tensor中保留减小的维度。如 keepdim 为true，否则结果张量的维度将比输入张量小，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：  在指定dim上进行求和运算的Tensor，数据类型和输入数据类型一致。
+返回：
+  ``Tensor``，在指定维度上进行求和运算的Tensor，数据类型和输入数据类型一致。
 
-返回类型：  变量（Variable）
 
 **代码示例**
 
 ..  code-block:: python
 
-      import paddle
-      import paddle.fluid as fluid
-      # x是一个Tensor，元素如下:
-      #    [[0.2, 0.3, 0.5, 0.9]
-      #     [0.1, 0.2, 0.6, 0.7]]
-      # 接下来的示例中，我们在每处函数调用后面都标注出了它的结果张量。
-      x = fluid.data(name='x', shape=[2, 4], dtype='float32')
-      out1 = paddle.sum(x)  # [3.5]
-      out2 = paddle.sum(x, dim=0)  # [0.3, 0.5, 1.1, 1.6]
-      out3 = paddle.sum(x, dim=-1)  # [1.9, 1.6]
-      out4 = paddle.sum(x, dim=1, keep_dim=True)  # [[1.9], [1.6]]
-
-      # y 是一个shape为[2, 2, 2]的Tensor元素如下:
-      #      [[[1, 2], [3, 4]],
-      #      [[5, 6], [7, 8]]]
-      # 接下来的示例中，我们在每处函数调用后面都标注出了它的结果张量。
-      y = fluid.data(name='y', shape=[2, 2, 2], dtype='float32')
-      out5 = paddle.sum(y, dim=[1, 2]) # [10, 26]
-      out6 = paddle.sum(y, dim=[0, 1]) # [16, 20]
+    import numpy as np
+    import paddle
+    paddle.disable_static()
+
+    # x is a Tensor variable with following elements:
+    #    [[0.2, 0.3, 0.5, 0.9]
+    #     [0.1, 0.2, 0.6, 0.7]]
+    # Each example is followed by the corresponding output tensor.
+    x_data = np.array([[0.2, 0.3, 0.5, 0.9],[0.1, 0.2, 0.6, 0.7]]).astype('float32')
+    x = paddle.to_tensor(x_data)
+    out1 = paddle.sum(x)  # [3.5]
+    out2 = paddle.sum(x, axis=0)  # [0.3, 0.5, 1.1, 1.6]
+    out3 = paddle.sum(x, axis=-1)  # [1.9, 1.6]
+    out4 = paddle.sum(x, axis=1, keepdim=True)  # [[1.9], [1.6]]
+
+    # y is a Tensor variable with shape [2, 2, 2] and elements as below:
+    #      [[[1, 2], [3, 4]],
+    #      [[5, 6], [7, 8]]]
+    # Each example is followed by the corresponding output tensor.
+    y_data = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]).astype('float32')
+    y = paddle.to_tensor(y_data)
+    out5 = paddle.sum(y, axis=[1, 2]) # [10, 26]
+    out6 = paddle.sum(y, axis=[0, 1]) # [16, 20]