diff --git a/lite/tutorials/source_zh_cn/use/post_training_quantization.md b/lite/tutorials/source_zh_cn/use/post_training_quantization.md
index 6bc018c65195e29b804fe74da9e9937053c84a14..93ba0889434710d8f6143a0469b970b8e1feb2d7 100644
--- a/lite/tutorials/source_zh_cn/use/post_training_quantization.md
+++ b/lite/tutorials/source_zh_cn/use/post_training_quantization.md
@@ -47,11 +47,11 @@
     thread_num=1
     ```
    校准数据集可以选择测试数据集的子集,要求`/dir/images`目录下存放的每个文件均是预处理好的输入数据,每个文件都可以直接用于推理的输入。
-3. 以TensorFlow Lite模型mnist.tflite为例,执行带训练后量化的模型转换命令:
+3. 以MindSpore模型为例,执行带训练后量化的模型转换命令:
     ```
-    ./converter_lite --fmk=TFLITE --modelFile=mnist.tflite --outputFile=mnist_quant --quantType=PostTraining --config_file=config.cfg
+    ./converter_lite --fmk=MS --modelFile=lenet.ms --outputFile=lenet_quant --quantType=PostTraining --config_file=config.cfg
     ```
-4. 上述命令执行成功后,便可得到量化后的模型mnist_quant.ms,通常量化后的模型大小会下降到FP32模型的1/4。
+4. 上述命令执行成功后,便可得到量化后的模型lenet_quant.ms,通常量化后的模型大小会下降到FP32模型的1/4。
 
 ## 部分模型精度结果