diff --git a/doc_cn/build_and_install/install/ubuntu_install.rst b/doc_cn/build_and_install/install/ubuntu_install.rst
index 372ad6a9444f1c48e55496d080b51a60e8119356..4500d6e0b03be9280e3e6c25cddbf7fb389671b8 100644
--- a/doc_cn/build_and_install/install/ubuntu_install.rst
+++ b/doc_cn/build_and_install/install/ubuntu_install.rst
@@ -43,24 +43,19 @@ PaddlePaddle提供了ubuntu 14.04 deb安装包。
 可能遇到的问题
 --------------
 
-如何设置CUDA环境运行GPU版本
-++++++++++++++++++++++++++++++++++++++++
-
-如果使用GPU版本的PaddlePaddle，请安装CUDA 7.5 和CUDNN 5到本地环境中，并设置：
-
-.. code-block:: shell
-  export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/lib:$LD_LIBRARY_PATH
-  export PATH=/usr/local/cuda/bin:$PATH
-
-
 libcudart.so/libcudnn.so找不到
 ++++++++++++++++++++++++++++++
 
 安装完成后，运行 :code:`paddle train` 报错\:
 
-..	code-block:: shell
+.. 	code-block:: shell
 
-	0831 12:36:04.151525  1085 hl_dso_loader.cc:70] Check failed: nullptr != *dso_handle For Gpu version of PaddlePaddle, it couldn't find CUDA library: libcudart.so Please make sure you already specify its path.Note: for training data on Cpu using Gpu version of PaddlePaddle,you must specify libcudart.so via LD_LIBRARY_PATH.
+	  0831 12:36:04.151525  1085 hl_dso_loader.cc:70] Check failed: nullptr != *dso_handle For Gpu version of PaddlePaddle, it couldn't find CUDA library: libcudart.so Please make sure you already specify its path.Note: for training data on Cpu using Gpu version of PaddlePaddle,you must specify libcudart.so via LD_LIBRARY_PATH.
+
+原因是未设置cuda运行时环境变量。 如果使用GPU版本的PaddlePaddle，请安装CUDA 7.5 和CUDNN 5到本地环境中，并设置：
+
+..  code-block:: shell
 
-原因是未设置cuda运行时环境变量，请参考 **如何设置CUDA环境运行GPU版本** 。
+    export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/lib:$LD_LIBRARY_PATH
+    export PATH=/usr/local/cuda/bin:$PATH
 
diff --git a/doc_cn/faq/index.rst b/doc_cn/faq/index.rst
index 6e1102e5528a24f621f566960f18f3eb02086ce4..551430eb41765673700b7c6568e4b483641f2cac 100644
--- a/doc_cn/faq/index.rst
+++ b/doc_cn/faq/index.rst
@@ -7,7 +7,7 @@ PaddlePaddle常见问题
 1. 如何减少内存占用
 ---------------------------------
 
-神经网络的训练本身是一个非常消耗内存和显存的工作，经常会消耗数十G的内存和数G的显存。
+神经网络的训练本身是一个非常消耗内存和显存的工作，经常会消耗数10GB的内存和数GB的显存。
 PaddlePaddle的内存占用主要分为如下几个方面\:
 
 * DataProvider缓冲池内存（只针对内存）