diff --git a/doc/fluid/api_cn/layers_cn/label_smooth_cn.rst b/doc/fluid/api_cn/layers_cn/label_smooth_cn.rst
index b9da0d0f6ed93c63859c0d4b4f033ae35acd0d12..dcb86eb7bb07f3520e338626fb1224f05b4e9d95 100644
--- a/doc/fluid/api_cn/layers_cn/label_smooth_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/label_smooth_cn.rst
@@ -5,28 +5,28 @@ label_smooth
 
 .. py:function:: paddle.fluid.layers.label_smooth(label, prior_dist=None, epsilon=0.1, dtype='float32', name=None)
 
-标签平滑是一种对分类器层进行正则化的机制，称为标签平滑正则化(LSR)。
+该OP实现了标签平滑的功能。标签平滑是一种对分类器层进行正则化的机制，称为标签平滑正则化(LSR)。由于直接优化正确标签的对数似然可能会导致过拟合，降低模型的适应能力，因此提出了标签平滑的方法来降低模型置信度。
 
-
-由于直接优化正确标签的对数似然可能会导致过拟合，降低模型的适应能力，因此提出了标签平滑的方法来降低模型置信度。
-标签平滑使用标签 :math:`y` 自身和一些固定模式随机分布变量 :math:`\mu` 。对 :math:`k` 标签，我们有：
+标签平滑使用标签 :math:`y` 和一些固定模式随机分布变量 :math:`\mu` 。对 :math:`k` 标签，标签平滑的计算方式如下。
 
 .. math::
+
             \tilde{y_k} = (1 - \epsilon) * y_k + \epsilon * \mu_k,
 
 其中 :math:`1-\epsilon` 和 :math:`\epsilon` 分别是权重， :math:`\tilde{y_k}` 是平滑后的标签。 通常μ 使用均匀分布
 
 
-查看更多关于标签平滑的细节 https://arxiv.org/abs/1512.00567
+关于更多标签平滑的细节， `查看论文  <https://arxiv.org/abs/1512.00567>`_ 。
+
 
 参数：
-  - **label** （Variable） - 包含标签数据的输入变量。 标签数据应使用 one-hot 表示。
-  - **prior_dist** （Variable） - 用于平滑标签的先验分布。 如果未提供，则使用均匀分布。 prior_dist的shape应为 :math:`(1，class\_num)` 。
-  - **epsilon** （float） - 用于混合原始真实分布和固定分布的权重。
-  - **dtype** （np.dtype | core.VarDesc.VarType | str） - 数据类型：float32，float_64，int等。
-  - **name** （str | None） - 此层的名称（可选）。 如果设置为None，则将自动命名图层。
+  - **label** （Variable） - 包含标签数据的输入变量。 标签数据应使用 one-hot 表示，是维度为 :math:`[N_1, ..., Depth]` 的多维Tensor，其中Depth为字典大小。
+  - **prior_dist** （Variable，可选） - 用于平滑标签的先验分布，是维度为 :math:`[1，class\_num]` 的2D Tensor。 如果未设置，则使用均匀分布。默认值为None。
+  - **epsilon** （float，可选） - 用于混合原始真实分布和固定分布的权重。默认值为0.1。
+  - **dtype** （np.dtype|core.VarDesc.VarType|str，可选） - 输入 ``Tensor`` 的数据类型，，数据类型可以为”float32“或”float64“。默认值为”float32“。
+  - **name** （str，可选) - 具体用法请参见 :ref:`api_guide_Name` ，一般无需设置，默认值为None。
 
-返回：张量变量, 包含平滑后的标签
+返回：为平滑后标签的 ``Tensor`` ，数据类型为dtype设置的数据类型，维度也与输入的label参数维度相同。
 
 返回类型: Variable
 
@@ -39,8 +39,7 @@ label_smooth
 
     label = layers.data(name="label", shape=[1], dtype="float32")
     one_hot_label = layers.one_hot(input=label, depth=10)
-    smooth_label = layers.label_smooth(
-    label=one_hot_label, epsilon=0.1, dtype="float32")
+    smooth_label = layers.label_smooth(label=one_hot_label, epsilon=0.1, dtype="float32")