update and fix ResNet cn docs (PaddlePaddle#4322)

* refine cn docs

* width_per_group -> width

* remove ResNeXt from Overview

* trigger

* copy from en docs

* add a blank line

* trigger ci (remove PADDLEPADDLE_PR)

* refine `Returns`

* add space between cn and en char

* refine desc of pretrained

* fix wrong ref

docs/api/paddle/vision/Overview_cn.rst

@@ -55,7 +55,6 @@ paddle.vision 目录是飞桨在视觉领域的高层API。具体如下：
     " :ref:`resnet152 <cn_api_paddle_vision_models_resnet152>` ", "152层的ResNet模型"
     " :ref:`wide_resnet50_2 <cn_api_paddle_vision_models_wide_resnet50_2>` ", "50层的WideResNet模型"
     " :ref:`wide_resnet101_2 <cn_api_paddle_vision_models_wide_resnet101_2>` ", "101层的WideResNet模型"
-    " :ref:`ResNeXt <cn_api_paddle_vision_models_ResNeXt>` ", "ResNeXt模型"
     " :ref:`resnext50_32x4d <cn_api_paddle_vision_models_resnext50_32x4d>` ", "ResNeXt-50 32x4d模型"
     " :ref:`resnext50_64x4d <cn_api_paddle_vision_models_resnext50_64x4d>` ", "ResNeXt-50 64x4d模型"
     " :ref:`resnext101_32x4d <cn_api_paddle_vision_models_resnext101_32x4d>` ", "ResNeXt-101 32x4d模型"

docs/api/paddle/vision/models/ResNet_cn.rst

@@ -3,37 +3,27 @@
 ResNet
 -------------------------------
 
-.. py:class:: paddle.vision.models.ResNet(Block, depth=50, width=64, num_classes=1000, with_pool=True)
+.. py:class:: paddle.vision.models.ResNet(Block, depth=50, width=64, num_classes=1000, with_pool=True, groups=1)
 
- ResNet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
+
+ResNet 模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
+
   - **Block** (BasicBlock|BottleneckBlock) - 模型的残差模块。
-  - **depth** (int，可选) - resnet模型的深度。默认值：50。
-  - **width** (int，可选) - resnet模型的基础宽度。默认值：64。
-  - **num_classes** (int, 可选) - 最后一个全连接层输出的维度。如果该值小于0，则不定义最后一个全连接层。默认值：1000。
+  - **depth** (int，可选) - ResNet 模型的深度。默认值：50。
+  - **width** (int，可选) - 各个卷积块的每个卷积组基础宽度。默认值：64。
+  - **num_classes** (int, 可选) - 最后一个全连接层输出的维度。如果该值小于 0，则不定义最后一个全连接层。默认值：1000。
   - **with_pool** (bool，可选) - 是否定义最后一个全连接层之前的池化层。默认值：True。
+  - **groups** (int，可选) - 各个卷积块的分组数。默认值：1。
 
 返回
 :::::::::
-ResNet模型，Layer的实例。
+
+ResNet 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import ResNet
-    from paddle.vision.models.resnet import BottleneckBlock, BasicBlock
-
-    resnet50 = ResNet(BottleneckBlock, 50)
-
-    wide_resnet50_2 = ResNet(BottleneckBlock, 50, width=64*2)
-
-    resnet18 = ResNet(BasicBlock, 18)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = resnet18(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.ResNet

docs/api/paddle/vision/models/resnet101_cn.rst

@@ -5,30 +5,20 @@ resnet101
 
 .. py:function:: paddle.vision.models.resnet101(pretrained=False, **kwargs)
 
- 101层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
+
+101 层的 ResNet 模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnet101模型，Layer的实例。
+
+101 层的 ResNet 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnet101
-
-    # build model
-    model = resnet101()
-
-    # build model and load imagenet pretrained weight
-    # model = resnet101(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnet101

docs/api/paddle/vision/models/resnet152_cn.rst

@@ -5,30 +5,20 @@ resnet152
 
 .. py:function:: paddle.vision.models.resnet152(pretrained=False, **kwargs)
 
- 152层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
+
+152 层的 ResNet 模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnet152模型，Layer的实例。
+
+152 层的 ResNet 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnet152
-
-    # build model
-    model = resnet152()
-
-    # build model and load imagenet pretrained weight
-    # model = resnet152(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnet152

docs/api/paddle/vision/models/resnet18_cn.rst

@@ -5,30 +5,20 @@ resnet18
 
 .. py:function:: paddle.vision.models.resnet18(pretrained=False, **kwargs)
 
- 18层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
+
+18 层的 ResNet 模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnet18模型，Layer的实例。
+
+18 层的 ResNet 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnet18
-
-    # build model
-    model = resnet18()
-
-    # build model and load imagenet pretrained weight
-    # model = resnet18(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnet18

docs/api/paddle/vision/models/resnet34_cn.rst

@@ -5,30 +5,20 @@ resnet34
 
 .. py:function:: paddle.vision.models.resnet34(pretrained=False, **kwargs)
 
- 34层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
+
+34 层的 ResNet 模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnet34模型，Layer的实例。
+
+34 层的 ResNet 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnet34
-
-    # build model
-    model = resnet34()
-
-    # build model and load imagenet pretrained weight
-    # model = resnet34(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnet34

docs/api/paddle/vision/models/resnet50_cn.rst

@@ -5,30 +5,20 @@ resnet50
 
 .. py:function:: paddle.vision.models.resnet50(pretrained=False, **kwargs)
 
- 50层的resnet模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
+
+50 层的 ResNet 模型，来自论文 `"Deep Residual Learning for Image Recognition" <https://arxiv.org/pdf/1512.03385.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnet50模型，Layer的实例。
+
+50 层的 ResNet 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnet50
-
-    # build model
-    model = resnet50()
-
-    # build model and load imagenet pretrained weight
-    # model = resnet50(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnet50

docs/api/paddle/vision/models/resnext101_32x4d_cn.rst

@@ -5,30 +5,20 @@ resnext101_32x4d
 
 .. py:function:: paddle.vision.models.resnext101_32x4d(pretrained=False, **kwargs)
 
- ResNeXt-101 32x4d模型，来自论文 `"Aggregated Residual Transformations for Deep Neural Networks" <https://arxiv.org/pdf/1611.05431.pdf>`_ 。
+
+ResNeXt-101 32x4d 模型，来自论文 `"Aggregated Residual Transformations for Deep Neural Networks" <https://arxiv.org/pdf/1611.05431.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnext101_32x4d模型，Layer的实例。
+
+ResNeXt-101 32x4d 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnext101_32x4d
-
-    # build model
-    model = resnext101_32x4d()
-
-    # build model and load imagenet pretrained weight
-    # model = resnext101_32x4d(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnext101_32x4d

docs/api/paddle/vision/models/resnext101_64x4d_cn.rst

@@ -5,30 +5,20 @@ resnext101_64x4d
 
 .. py:function:: paddle.vision.models.resnext101_64x4d(pretrained=False, **kwargs)
 
- ResNeXt-101 64x4d模型，来自论文 `"Aggregated Residual Transformations for Deep Neural Networks" <https://arxiv.org/pdf/1611.05431.pdf>`_ 。
+
+ResNeXt-101 64x4d 模型，来自论文 `"Aggregated Residual Transformations for Deep Neural Networks" <https://arxiv.org/pdf/1611.05431.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnext101_64x4d模型，Layer的实例。
+
+ResNeXt-101 64x4d 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnext101_64x4d
-
-    # build model
-    model = resnext101_64x4d()
-
-    # build model and load imagenet pretrained weight
-    # model = resnext101_64x4d(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnext101_64x4d

docs/api/paddle/vision/models/resnext152_32x4d_cn.rst

@@ -5,30 +5,20 @@ resnext152_32x4d
 
 .. py:function:: paddle.vision.models.resnext152_32x4d(pretrained=False, **kwargs)
 
- ResNeXt-152 32x4d模型，来自论文 `"Aggregated Residual Transformations for Deep Neural Networks" <https://arxiv.org/pdf/1611.05431.pdf>`_ 。
+
+ResNeXt-152 32x4d 模型，来自论文 `"Aggregated Residual Transformations for Deep Neural Networks" <https://arxiv.org/pdf/1611.05431.pdf>`_ 。
 
 参数
 :::::::::
-  - **pretrained** (bool，可选) - 是否加载在imagenet数据集上的预训练权重。默认值：False。
+
+  - **pretrained** (bool，可选) - 是否加载预训练权重。如果为 True，则返回在 ImageNet 上预训练的模型。默认值：False。
 
 返回
 :::::::::
-resnext152_32x4d模型，Layer的实例。
+
+ResNeXt-152 32x4d 模型，:ref:`cn_api_fluid_dygraph_Layer` 的实例。
 
 代码示例
 :::::::::
-.. code-block:: python
-
-    import paddle
-    from paddle.vision.models import resnext152_32x4d
-
-    # build model
-    model = resnext152_32x4d()
-
-    # build model and load imagenet pretrained weight
-    # model = resnext152_32x4d(pretrained=True)
-
-    x = paddle.rand([1, 3, 224, 224])
-    out = model(x)
 
-    print(out.shape)
+COPY-FROM: paddle.vision.models.resnext152_32x4d