修改了一些文档问题

fastNLP/core/callback.py

@@ -370,16 +370,17 @@ class GradientClipCallback(Callback):
 
     每次backward前，将parameter的gradient clip到某个范围。
 
-    :param None,torch.Tensor,List[torch.Tensor] parameters: 一般通过model.parameters()获得。如果为None则默认对Trainer
-        的model中所有参数进行clip
+    :param None,torch.Tensor,List[torch.Tensor] parameters: 一般通过model.parameters()获得。
+        如果为None则默认对Trainer的model中所有参数进行clip
     :param float clip_value: 将gradient 限制到[-clip_value, clip_value]。clip_value应该为正数
     :param str clip_type: 支持'norm', 'value'
         两种::
 
             1 'norm', 将gradient的norm rescale到[-clip_value, clip_value]
         
-            2 'value', 将gradient限制在[-clip_value, clip_value], 小于-clip_value的gradient被赋值为-clip_value;
-            大于clip_value的gradient被赋值为clip_value.
+            2 'value', 将gradient限制在[-clip_value, clip_value],
+                小于-clip_value的gradient被赋值为-clip_value;
+                大于clip_value的gradient被赋值为clip_value.
 
     """
     

fastNLP/core/trainer.py

@@ -498,14 +498,15 @@ class Trainer(object):
         """
         使用该函数使Trainer开始训练。
 
-        :param bool load_best_model: 该参数只有在初始化提供了dev_data的情况下有效，如果True, trainer将在返回之前重新加载dev表现
-                最好的模型参数。
+        :param bool load_best_model: 该参数只有在初始化提供了dev_data的情况下有效，
+                如果True, trainer将在返回之前重新加载dev表现最好的模型参数。
         :return dict: 返回一个字典类型的数据,
                 内含以下内容::
 
                     seconds: float, 表示训练时长
                     以下三个内容只有在提供了dev_data的情况下会有。
-                    best_eval: Dict of Dict, 表示evaluation的结果。第一层的key为Metric的名称，第二层的key为具体的Metric
+                    best_eval: Dict of Dict, 表示evaluation的结果。第一层的key为Metric的名称，
+                                第二层的key为具体的Metric
                     best_epoch: int，在第几个epoch取得的最佳值
                     best_step: int, 在第几个step(batch)更新取得的最佳值