modify the format of the API files

docs/api/api_python/mindarmour.fuzz_testing.rst

@@ -17,10 +17,11 @@ mindarmour.fuzz_testing
         深度神经网络的模糊测试。
 
         参数：
-            - **mutate_config** (list) - 变异方法配置。格式为:
+            - **mutate_config** (list) - 变异方法配置。格式为：
+
                 .. code-block:: python
 
-                    mutate_config = 
+                    mutate_config = [
                         {'method': 'GaussianBlur',
                          'params': {'ksize': [1, 2, 3, 5], 'auto_param': [True, False]}},
                         {'method': 'UniformNoise',
@@ -32,11 +33,11 @@ mindarmour.fuzz_testing
                         {'method': 'Rotate',
                          'params': {'angle': [20, 90], 'auto_param': [False, True]}},
                         {'method': 'FGSM',
-                         'params': {'eps': [0.3, 0.2, 0.4], 'alpha': [0.1], 'bounds': [(0, 1)]}}]
+                         'params': {'eps': [0.3, 0.2, 0.4], 'alpha': [0.1], 'bounds': [(0, 1)]}}
                         ...]
 
               - 支持的方法在列表 `self._strategies` 中，每个方法的参数必须在可选参数的范围内。支持的方法分为两种类型：
-              - 首先，自然鲁棒性方法包括：'Translate', 'Scale'、'Shear'、'Rotate'、'Perspective'、'Curve'、'GaussianBlur'、'MotionBlur'、'GradientBlur'、'Contrast'、'GradientLuminance'、'UniformNoise'、'GaussianNoise'、'SaltAndPepperNoise'、'NaturalNoise'。
+              - 首先，自然鲁棒性方法包括：'Translate'、'Scale'、'Shear'、'Rotate'、'Perspective'、'Curve'、'GaussianBlur'、'MotionBlur'、'GradientBlur'、'Contrast'、'GradientLuminance'、'UniformNoise'、'GaussianNoise'、'SaltAndPepperNoise'、'NaturalNoise'。
               - 其次，对抗样本攻击方式包括：'FGSM'、'PGD'和'MDIM'。'FGSM'、'PGD'和'MDIM'分别是 FastGradientSignMethod、ProjectedGradientDent和MomentumDiverseInputIterativeMethod的缩写。 `mutate_config` 必须包含在['Contrast', 'GradientLuminance', 'GaussianBlur', 'MotionBlur', 'GradientBlur', 'UniformNoise', 'GaussianNoise', 'SaltAndPepperNoise', 'NaturalNoise']中的方法。
 
               - 第一类方法的参数设置方式可以在'mindarmour/natural_robustness/transform/image'中看到。第二类方法参数配置参考 `self._attack_param_checklists` 。

docs/api/api_python/mindarmour.privacy.evaluation.rst

@@ -41,8 +41,9 @@ mindarmour.privacy.evaluation
             - **dataset_train** (minspore.dataset) - 目标模型的训练数据集。
             - **dataset_test** (minspore.dataset) - 目标模型的测试集。
             - **attack_config** (Union[list, tuple]) - 攻击模型的参数设置。格式为
+
                 .. code-block:: python
-        
+
                     attack_config =
                         [{"method": "knn", "params": {"n_neighbors": [3, 5, 7]}},
                          {"method": "lr", "params": {"C": np.logspace(-4, 2, 10)}}]

docs/api/api_python/mindarmour.privacy.sup_privacy.rst

@@ -161,6 +161,7 @@ mindarmour.privacy.sup_privacy
 
     参数：
         - **layer_name** (str) - 层名称，如下获取一个层的名称：
+
             .. code-block::
 
                 for layer in networks.get_parameters(expand=True):

docs/api/api_python/mindarmour.rst

@@ -151,7 +151,8 @@ MindArmour是MindSpore的工具箱，用于增强模型可信，实现隐私保
         深度神经网络的模糊测试。
 
         参数：
-            - **mutate_config** (list) - 变异方法配置。格式为:
+            - **mutate_config** (list) - 变异方法配置。格式为：
+
                 .. code-block:: python
    
                     mutate_config = 
@@ -250,11 +251,12 @@ MindArmour是MindSpore的工具箱，用于增强模型可信，实现隐私保
         参数：
             - **dataset_train** (minspore.dataset) - 目标模型的训练数据集。
             - **dataset_test** (minspore.dataset) - 目标模型的测试集。
-            - **attack_config** (Union[list, tuple]) - 攻击模型的参数设置。格式为:
+            - **attack_config** (Union[list, tuple]) - 攻击模型的参数设置。格式为：
+
                 .. code-block::
 
-                    attack_config = 
-                        [{"method": "knn", "params": {"n_neighbors": [3, 5, 7]}},
+                    attack_config = [
+                        {"method": "knn", "params": {"n_neighbors": [3, 5, 7]}},
                          {"method": "lr", "params": {"C": np.logspace(-4, 2, 10)}}]
 
               - 支持的方法有knn、lr、mlp和rf，每个方法的参数必须在可变参数的范围内。参数实现的提示可在下面找到：