函数的docstring由5个模块构成：
- 函数功能描述；
- 函数参数；
- （可选）函数返回值；
- （可选）函数可能抛出的异常；
- （可选）使用示例。
类的docstring也由5个模块构成：
- 类功能描述；
- 实例化类所需参数；
- （可选）实例化类得到的对象；
- （可选）实例化类时可能抛出的异常；
- （可选）使用示例。
以下将详细叙述每个模块的规范。
目标是让用户能快速看懂。该模块又可以拆解为3个部分，功能叙述 + 计算公式 + 注解。
- 功能叙述：描述该函数或类的具体功能。由于用户不一定具有相应背景知识，所以需要补充必要的细节。
- （可选）计算公式：如有需要，给出函数的计算公式。公式建议以LaTex文法编写。
- （可选）注解：如需要特殊说明，可以在该部分给出。
示例：
"""
Add two tensors element-wise. The equation is:
out = x + y
Note: This function supports broadcasting. If you want know more about broadcasting, please
refer to :ref:`user_guide_broadcasting` .
"""要解释清楚每个参数的类型、含义和默认值（如果有）。
注意事项：
- 可选参数要备注
optional，例如：name (str|None, optinoal)； - 若参数具有多种可选类型，用
|分隔； - 参数名和类型之间需要空1格；
- 可使用
list[{类型名}]和tuple[{类型名}]的方式表示包含某种类型对象的列表或元组（注意大小写），例如list[int]表示包含int类型元素的列表，tuple[int|float]等价于tuple[int] | tuple[float]； - 使用
list[{类型名}]和tuple[{类型名}]的描述时，默认假设列表或元组参数为同质的（即其中包含的所有元素具有相同的类型），若允许或需要列表、元组参数为异质的，需要在文字描述中说明； - 被分隔的类型如果是简单类型如
int、Tensor等则|前后不需要添加空格，如果是多个复杂类型如list[int]和tuple[float]则需要在|前后添加空格； - 对于有默认值的参数，至少要讲清楚在取默认值时的逻辑，而不仅仅是介绍这个参数是什么以及默认值是什么。
示例：
"""
Args:
x (Tensor|np.ndarray): Input tensor or numpy array.
points (list[int] | tuple[int|float]): List or tuple of data points.
name (str|None, optional): Name for the operation. If None, the operation will not be named.
Default: None.
"""对于函数返回值，先描述返回值的类型（用(``)包围，语法与参数类型描述一致），然后说明返回值的含义。对于实例化类得到的对象，无需说明类型。
示例1：
"""
Returns:
(tuple): When label is None, it returns (im, im_info); otherwise it returns (im, im_info, label).
"""示例2：
"""
Returns:
(N-D Tensor): A location into which the result is stored.
"""示例3（类定义中）：
"""
Returns:
A callable object of Activation.
"""需给出异常类型和抛出异常的条件。
示例：
"""
Raises:
ValueError: When memory() is called outside block().
TypeError: When init is set and is not a Variable.
"""为函数或类的各种使用场景尽可能地提供示例，并在注释中给出执行代码预期得到的结果。
要求：用户复制示例代码到脚本即可运行。注意需要加必要的import。
单example示例：
"""
Examples:
import paddle
import numpy as np
paddle.enable_imperative()
np_x = np.array([2, 3, 4]).astype('float64')
np_y = np.array([1, 5, 2]).astype('float64')
x = paddle.imperative.to_variable(np_x)
y = paddle.imperative.to_variable(np_y)
z = paddle.add(x, y)
np_z = z.numpy()
# [3., 8., 6. ]
z = paddle.add(x, y, alpha=10)
np_z = z.numpy()
# [12., 53., 24. ]
"""多examples示例：
"""
Examples 1:
from paddleseg.cvlibs.manager import ComponentManager
model_manager = ComponentManager()
class AlexNet: ...
class ResNet: ...
model_manager.add_component(AlexNet)
model_manager.add_component(ResNet)
# Alternatively, pass a sequence:
model_manager.add_component([AlexNet, ResNet])
print(model_manager.components_dict)
# {'AlexNet': <class '__main__.AlexNet'>, 'ResNet': <class '__main__.ResNet'>}
Examples 2:
# Use it as a Python decorator.
from paddleseg.cvlibs.manager import ComponentManager
model_manager = ComponentManager()
@model_manager.add_component
class AlexNet: ...
@model_manager.add_component
class ResNet: ...
print(model_manager.components_dict)
# {'AlexNet': <class '__main__.AlexNet'>, 'ResNet': <class '__main__.ResNet'>}
"""- 措词准确，使用深度学习领域通用的词汇和说法。
- 语句通顺，符合英文语法。
- 文档中对同一事物的表述要做到前后一致，比如避免有时用label、有时用ground truth。
- 不同模块间以1个空行分隔。
- 注意首字母大写以及添加标点符号（尤其是句号），符合英语语法规则。
- 在代码示例内容中可适当加空行以体现层次感。
- 对于注释中出现的输入参数名、输入参数的属性或方法以及文件路径，使用反引号```包围。
- 每个模块的标题/子标题和具体内容之间需要有换行和缩进，
Examples:标题与示例代码内容之间插入1个空行。 - 单段描述跨行时需要使用悬挂式缩进。
class Activation(nn.Layer):
"""
The wrapper of activations.
Args:
act (str, optional): Activation name in lowercase. It must be one of {'elu', 'gelu',
'hardshrink', 'tanh', 'hardtanh', 'prelu', 'relu', 'relu6', 'selu', 'leakyrelu', 'sigmoid',
'softmax', 'softplus', 'softshrink', 'softsign', 'tanhshrink', 'logsigmoid', 'logsoftmax',
'hsigmoid'}. Default: None, means identical transformation.
Returns:
A callable object of Activation.
Raises:
KeyError: When parameter `act` is not in the optional range.
Examples:
from paddleseg.models.common.activation import Activation
relu = Activation("relu")
print(relu)
# <class 'paddle.nn.layer.activation.ReLU'>
sigmoid = Activation("sigmoid")
print(sigmoid)
# <class 'paddle.nn.layer.activation.Sigmoid'>
not_exit_one = Activation("not_exit_one")
# KeyError: "not_exit_one does not exist in the current dict_keys(['elu', 'gelu', 'hardshrink',
# 'tanh', 'hardtanh', 'prelu', 'relu', 'relu6', 'selu', 'leakyrelu', 'sigmoid', 'softmax',
# 'softplus', 'softshrink', 'softsign', 'tanhshrink', 'logsigmoid', 'logsoftmax', 'hsigmoid'])"
"""
...