diff --git a/doc/fluid/api_cn/layers_cn/equal_cn.rst b/doc/fluid/api_cn/layers_cn/equal_cn.rst
index 68643936258fc67173fb2a55111d128af965104f..b15d15775721ee36d17b0eaa4c02ac5ea1afef69 100644
--- a/doc/fluid/api_cn/layers_cn/equal_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/equal_cn.rst
@@ -11,7 +11,6 @@ equal
     - **x** (Variable) - 输入Tensor，支持的数据类型包括 float32， float64，int32， int64。
     - **y** (Variable) - 输入Tensor，支持的数据类型包括 float32， float64， int32， int64。
     - **cond** (Variable，可选) - 逐元素比较的结果Tensor，可以是程序中已经创建的任何Variable。默认值为None，此时将创建新的Variable来保存输出结果。
-    - **force_cpu** (bool，可选) – 是否强制将输出Tensor存储在CPU。默认值为None，表示将输出Tensor存储在CPU内存上；如果为False，则将输出Tensor存储在运行设备内存上。
 
 返回：输出结果的Tensor，输出Tensor的shape和输入一致，Tensor数据类型为bool。
 
@@ -23,12 +22,16 @@ equal
 
     import paddle.fluid as fluid
     import numpy as np
+    
     out_cond =fluid.data(name="input1", shape=[2], dtype='bool')
     label = fluid.layers.assign(np.array([3, 3], dtype="int32"))
     limit = fluid.layers.assign(np.array([3, 2], dtype="int32"))
-    out0 = fluid.layers.equal(x=label,y=limit) #out1=[True, False]
-    out1 = fluid.layers.equal(x=label,y=limit, cond=out_cond) #out2=[True, False] out_cond=[True, False]
-    out2 = fluid.layers.equal(x=label,y=limit,force_cpu=False) #out3=[True, False]
-    out3 = label == limit # out3=[True, False]
+    label_cond = fluid.layers.assign(np.array([1, 2], dtype="int32"))
+    
+    out1 = fluid.layers.equal(x=label,y=limit) #out1=[True, False]
+    out2 = fluid.layers.equal(x=label_cond,y=limit, cond=out_cond) #out2=[False, True] out_cond=[False, True]
+    
+
+
 
 
diff --git a/doc/fluid/api_cn/layers_cn/greater_equal_cn.rst b/doc/fluid/api_cn/layers_cn/greater_equal_cn.rst
index 22f3503105fd6ebc5209855a62c684bf5b68c207..aa3669977fe590e9a82ea875a71fee36609b7bfd 100644
--- a/doc/fluid/api_cn/layers_cn/greater_equal_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/greater_equal_cn.rst
@@ -12,7 +12,6 @@ greater_equal
     - **x** (Variable) – 进行比较的第一个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。 
     - **y** (Variable) – 进行比较的第二个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。
     - **cond** (Variable，可选) – 如果为None，则创建一个Tensor来作为进行比较的输出结果，该Tensor的shape，数据类型和输入x一致；如果不为None，则将Tensor作为该OP的输出，数据shape和数据类型需要和输入x一致。默认值为None。 
-    - **force_cpu** (bool，可选) – 是否强制将输出Tensor存储在CPU。默认值为None，表示将输出Tensor存储在CPU内存上；如果为False，则将输出Tensor存储在运行设备内存上。
 
 返回：输出结果的Tensor，数据的shape和输入x一致。
 
@@ -25,13 +24,11 @@ greater_equal
      import paddle.fluid as fluid
      import paddle.fluid.layers as layers
      import numpy as np
-     label = fluid.layers.assign(np.array([2, 2], dtype='int32'))
-     limit = fluid.layers.assign(np.array([2, 3], dtype='int32'))
-     out_cond =fluid.data(name="input1", shape=[2], dtype='bool')
+     label = layers.assign(np.array([2, 2], dtype='int32'))
+     limit = layers.assign(np.array([2, 3], dtype='int32'))
      out = fluid.layers.greater_equal(x=label, y=limit) #out=[True, False]
-     out1 = fluid.layers.greater_equal(x=label, y=limit, cond=out_cond) #out1=[True, False], out_cond=[True, False]
-     out2 = fluid.layers.greater_equal(x=label, y=limit, force_cpu=False) #out2=[True, False]
-     out3 = label >= limit #out3=[True, False]
+     out_1 = label >= limit #out1=[True, False]
+
 
 
 
diff --git a/doc/fluid/api_cn/layers_cn/greater_than_cn.rst b/doc/fluid/api_cn/layers_cn/greater_than_cn.rst
index bbb3fa55058b51393c9b501f8bf84bc952789d91..1daf74fce811ef1b28e1ba478ff767566c68da57 100644
--- a/doc/fluid/api_cn/layers_cn/greater_than_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/greater_than_cn.rst
@@ -11,7 +11,6 @@ greater_than
     - **x** (Variable) – 进行比较的第一个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。 
     - **y** (Variable) – 进行比较的第二个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。
     - **cond** (Variable，可选) – 如果为None，则创建一个Tensor来作为进行比较的输出结果，该Tensor的shape和数据类型和输入x一致；如果不为None，则将Tensor作为该OP的输出，数据类型和数据shape需要和输入x一致。默认值为None。 
-    - **force_cpu** (bool，可选) – 是否强制将输出Tensor存储在CPU。默认值为None，表示将输出Tensor存储在CPU内存上；如果为False，则将输出Tensor存储在运行设备内存上。
 
 返回：输出结果的Tensor，数据的shape和输入x一致。
 
@@ -24,13 +23,11 @@ greater_than
      import paddle.fluid as fluid
      import paddle.fluid.layers as layers
      import numpy as np
-     label = fluid.layers.assign(np.array([2, 3], dtype='int32'))
-     limit = fluid.layers.assign(np.array([3, 2], dtype='int32'))
-     out_cond =fluid.data(name="input1", shape=[2], dtype='bool')
+     label = layers.assign(np.array([2, 3], dtype='int32'))
+     limit = layers.assign(np.array([3, 2], dtype='int32'))
      out = fluid.layers.greater_than(x=label, y=limit) #out=[False, True]
-     out1 = fluid.layers.greater_than(x=label, y=limit, cond=out_cond) #out1=[False, True], out_cond=[False, True]
-     out2 = fluid.layers.greater_than(x=label, y=limit, force_cpu=False) #out2=[False, True]
-     out3 = label > limit #out3=[False, True]
+     out1 = label > limit #out1=[False, True]
+
 
 
 
diff --git a/doc/fluid/api_cn/layers_cn/less_equal_cn.rst b/doc/fluid/api_cn/layers_cn/less_equal_cn.rst
index dae49dfbb8ff11a5d9336e4f0802972957b21e7e..5f6a041bd0158fe3aaf32f1720f411fd5433193b 100644
--- a/doc/fluid/api_cn/layers_cn/less_equal_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/less_equal_cn.rst
@@ -11,7 +11,6 @@ less_equal
     - **x** (Variable) – 进行比较的第一个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。 
     - **y** (Variable) – 进行比较的第二个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。
     - **cond** (Variable，可选) – 如果为None，则创建一个Tensor来作为进行比较的输出结果，该Tensor的shape和数据类型和输入x一致；如果不为None，则将Tensor作为该OP的输出，数据类型和数据shape需要和输入x一致。默认值为None。 
-    - **force_cpu** (bool，可选) – 是否强制将输出Tensor存储在CPU。默认值为None，表示将输出Tensor存储在CPU内存上；如果为False，则将输出Tensor存储在运行设备内存上。
 
 返回：输出结果的Tensor，数据的shape和输入x一致。
 
@@ -24,13 +23,11 @@ less_equal
      import paddle.fluid as fluid
      import paddle.fluid.layers as layers
      import numpy as np
-     label = fluid.layers.assign(np.array([1, 3], dtype='int32'))
-     limit = fluid.layers.assign(np.array([1, 2], dtype='int32'))
-     out_cond =fluid.data(name="input1", shape=[2], dtype='bool')
+     label = layers.assign(np.array([1, 3], dtype='int32'))
+     limit = layers.assign(np.array([1, 2], dtype='int32'))
      out = fluid.layers.less_equal(x=label, y=limit) #out=[True, False]
-     out1 = fluid.layers.less_equal(x=label, y=limit, cond=out_cond) #out1=[True, False], out_cond=[True, False]
-     out2 = fluid.layers.less_equal(x=label, y=limit, force_cpu=False) #out2=[True, False]
-     out3 = label<= limit #out3=[True, False]
+     out1 = label<= limit #out1=[True, False]
+
 
 
 
diff --git a/doc/fluid/api_cn/layers_cn/not_equal_cn.rst b/doc/fluid/api_cn/layers_cn/not_equal_cn.rst
index f9e59aa65429b2730dd6b8e7cf8beb9e8f99f9a1..3d48a5ae150e88848a8d1c9669a6482bcc2ed10a 100644
--- a/doc/fluid/api_cn/layers_cn/not_equal_cn.rst
+++ b/doc/fluid/api_cn/layers_cn/not_equal_cn.rst
@@ -11,7 +11,6 @@ not_equal
     - **x** (Variable) – 进行比较的第一个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。 
     - **y** (Variable) – 进行比较的第二个输入，是一个多维的Tensor，数据类型可以是float32，float64，int32，int64。
     - **cond** (Variable，可选) – 如果为None，则创建一个Tensor来作为进行比较的输出结果，该Tensor的shape和数据类型和输入x一致；如果不为None，则将Tensor作为该OP的输出，数据类型和数据shape需要和输入x一致。默认值为None。 
-    - **force_cpu** (bool，可选) – 是否强制将输出Tensor存储在CPU。默认值为None，表示将输出Tensor存储在CPU内存上；如果为False，则将输出Tensor存储在运行设备内存上。
 
 返回：输出结果的Tensor，数据的shape和输入x一致。
 
@@ -24,13 +23,12 @@ not_equal
      import paddle.fluid as fluid
      import paddle.fluid.layers as layers
      import numpy as np
-     label = fluid.layers.assign(np.array([3, 3], dtype="int32"))
-     limit = fluid.layers.assign(np.array([3, 2], dtype="int32"))
-     out_cond = fluid.layers.assign(np.array([1, 2], dtype="int32"))
-     out = fluid.layers.not_equal(x=label, y=limit) # out=[False, True]
-     out1 = fluid.layers.not_equal(x=label, y=limit, cond=out_cond) #out1=[False, True] out_cond=[False, True]
-     out2 = fluid.layers.not_equal(x=label, y=limit, force_cpu=False) #out2=[False, True]
-     out3 = label != limit #out3=[False, True]
+     label = layers.assign(np.array([2, 3], dtype='int32'))
+     limit = layers.assign(np.array([3, 2], dtype='int32'))
+     out = fluid.layers.not_equal(x=label, y=limit) #out=[True, True]
+     out1 = label != limit #out1=[True, True]
+
+