fix table problem

docs/source_en/network_list.md

@@ -27,4 +27,5 @@
 | Graph Neural Networks（GNN）| Text Classification  | [GAT](https://gitee.com/mindspore/mindspore/tree/master/model_zoo/gat/src/gat.py)                                          |  Supported |  Doing | Doing
 
 ## Pre-trained Models
+
 Coming soon.

tutorials/source_zh_cn/advanced_use/aware_quantization.md

@@ -45,6 +45,7 @@
 MindSpore的感知量化训练是在训练基础上，使用低精度数据替换高精度数据来简化训练模型的过程。这个过程不可避免引入精度的损失，这时使用伪量化节点来模拟引入的精度损失，并通过反向传播学习，来减少精度损失。对于权值和数据的量化，MindSpore采用了参考文献[1]中的方案。
 
 感知量化训练规格
+
 | 规格 | 规格说明 |
 | --- | --- |
 | 硬件支持 | GPU、Ascend AI 910处理器的硬件平台 |