diff --git a/deploy/paddleserving/readme.md b/deploy/paddleserving/readme.md
deleted file mode 120000
index e3de61f5e58f3f7c6dade999e26d78a2511350a3..0000000000000000000000000000000000000000
--- a/deploy/paddleserving/readme.md
+++ /dev/null
@@ -1,240 +0,0 @@
-简体中文 | [English](./readme_en.md)
-
-# 分类模型服务化部署
-
-## 目录
-
-- [1. 简介](#1-简介)
-- [2. Serving 安装](#2-serving-安装)
-- [3. 图像分类服务部署](#3-图像分类服务部署)
-- [3.1 模型转换](#31-模型转换)
-- [3.2 服务部署和请求](#32-服务部署和请求)
-    - [3.2.1 Python Serving](#321-python-serving)
-    - [3.2.2 C++ Serving](#322-c-serving)
-- [4.FAQ](#4faq)
-
-<a name="1"></a>
-## 1. 简介
-
-[Paddle Serving](https://github.com/PaddlePaddle/Serving) 旨在帮助深度学习开发者轻松部署在线预测服务，支持一键部署工业级的服务能力、客户端和服务端之间高并发和高效通信、并支持多种编程语言开发客户端。
-
-该部分以 HTTP 预测服务部署为例，介绍怎样在 PaddleClas 中使用 PaddleServing 部署模型服务。目前只支持 Linux 平台部署，暂不支持 Windows 平台。
-
-<a name="2"></a>
-## 2. Serving 安装
-
-Serving 官网推荐使用 docker 安装并部署 Serving 环境。首先需要拉取 docker 环境并创建基于 Serving 的 docker。
-
-```shell
-# 启动GPU docker
-docker pull paddlepaddle/serving:0.7.0-cuda10.2-cudnn7-devel
-nvidia-docker run -p 9292:9292 --name test -dit paddlepaddle/serving:0.7.0-cuda10.2-cudnn7-devel bash
-nvidia-docker exec -it test bash
-
-# 启动CPU docker
-docker pull paddlepaddle/serving:0.7.0-devel
-docker run -p 9292:9292 --name test -dit paddlepaddle/serving:0.7.0-devel bash
-docker exec -it test bash
-```
-
-进入 docker 后，需要安装 Serving 相关的 python 包。
-```shell
-python3.7 -m pip install paddle-serving-client==0.7.0
-python3.7 -m pip install paddle-serving-app==0.7.0
-python3.7 -m pip install faiss-cpu==1.7.1post2
-
-#若为CPU部署环境:
-python3.7 -m pip install paddle-serving-server==0.7.0 # CPU
-python3.7 -m pip install paddlepaddle==2.2.0          # CPU
-
-#若为GPU部署环境
-python3.7 -m pip install paddle-serving-server-gpu==0.7.0.post102 # GPU with CUDA10.2 + TensorRT6
-python3.7 -m pip install paddlepaddle-gpu==2.2.0     # GPU with CUDA10.2
-
-#其他GPU环境需要确认环境再选择执行哪一条
-python3.7 -m pip install paddle-serving-server-gpu==0.7.0.post101 # GPU with CUDA10.1 + TensorRT6
-python3.7 -m pip install paddle-serving-server-gpu==0.7.0.post112 # GPU with CUDA11.2 + TensorRT8
-```
-
-* 如果安装速度太慢，可以通过 `-i https://pypi.tuna.tsinghua.edu.cn/simple` 更换源，加速安装过程。
-* 其他环境配置安装请参考：[使用Docker安装Paddle Serving](https://github.com/PaddlePaddle/Serving/blob/v0.7.0/doc/Install_CN.md)
-
-<a name="3"></a>
-
-## 3. 图像分类服务部署
-
-下面以经典的 ResNet50_vd 模型为例，介绍如何部署图像分类服务。
-
-<a name="3.1"></a>
-### 3.1 模型转换
-
-使用 PaddleServing 做服务化部署时，需要将保存的 inference 模型转换为 Serving 模型。
-- 进入工作目录：
-  ```shell
-  cd deploy/paddleserving
-  ```
-- 下载并解压 ResNet50_vd 的 inference 模型：
-  ```shell
-  # 下载 ResNet50_vd inference 模型
-  wget -nc https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/inference/ResNet50_vd_infer.tar
-  # 解压 ResNet50_vd inference 模型
-  tar xf ResNet50_vd_infer.tar
-  ```
-- 用 paddle_serving_client 命令把下载的 inference 模型转换成易于 Server 部署的模型格式：
-  ```shell
-  # 转换 ResNet50_vd 模型
-  python3.7 -m paddle_serving_client.convert \
-  --dirname ./ResNet50_vd_infer/ \
-  --model_filename inference.pdmodel  \
-  --params_filename inference.pdiparams \
-  --serving_server ./ResNet50_vd_serving/ \
-  --serving_client ./ResNet50_vd_client/
-  ```
-  上述命令中参数具体含义如下表所示
-    | 参数              | 类型 | 默认值             | 描述                                                         |
-  | ----------------- | ---- | ------------------ | ------------------------------------------------------------ |
-  | `dirname`         | str  | -                  | 需要转换的模型文件存储路径，Program结构文件和参数文件均保存在此目录。 |
-  | `model_filename`  | str  | None               | 存储需要转换的模型Inference Program结构的文件名称。如果设置为None，则使用 `__model__` 作为默认的文件名 |
-  | `params_filename` | str  | None               | 存储需要转换的模型所有参数的文件名称。当且仅当所有模型参数被保>存在一个单独的二进制文件中，它才需要被指定。如果模型参数是存储在各自分离的文件中，设置它的值为None |
-  | `serving_server`  | str  | `"serving_server"` | 转换后的模型文件和配置文件的存储路径。默认值为serving_server |
-  | `serving_client`  | str  | `"serving_client"` | 转换后的客户端配置文件存储路径。默认值为serving_client       |
-
-    ResNet50_vd 推理模型转换完成后，会在当前文件夹多出 `ResNet50_vd_serving` 和 `ResNet50_vd_client` 的文件夹，具备如下结构：
-  ```shell
-  ├── ResNet50_vd_serving/
-  │   ├── inference.pdiparams
-  │   ├── inference.pdmodel
-  │   ├── serving_server_conf.prototxt
-  │   └── serving_server_conf.stream.prototxt
-  │
-  └── ResNet50_vd_client/
-      ├── serving_client_conf.prototxt
-      └── serving_client_conf.stream.prototxt
-  ```
-
-- Serving 为了兼容不同模型的部署，提供了输入输出重命名的功能。让不同的模型在推理部署时，只需要修改配置文件的 `alias_name` 即可，无需修改代码即可完成推理部署。因此在转换完毕后需要分别修改 `ResNet50_vd_serving` 和 `ResNet50_vd_client` 下文件 `serving_server_conf.prototxt` 中的 alias 名字，将 `fetch_var` 中的 `alias_name` 改为 `prediction`，修改后的 serving_server_conf.prototxt 如下所示:
-  ```log
-  feed_var {
-    name: "inputs"
-    alias_name: "inputs"
-    is_lod_tensor: false
-    feed_type: 1
-    shape: 3
-    shape: 224
-    shape: 224
-  }
-  fetch_var {
-    name: "save_infer_model/scale_0.tmp_1"
-    alias_name: "prediction"
-    is_lod_tensor: false
-    fetch_type: 1
-    shape: 1000
-  }
-  ```
-<a name="3.2"></a>
-### 3.2 服务部署和请求
-
-paddleserving 目录包含了启动 pipeline 服务、C++ serving服务和发送预测请求的代码，主要包括：
-```shell
-__init__.py
-classification_web_service.py # 启动pipeline服务端的脚本
-config.yml                    # 启动pipeline服务的配置文件
-pipeline_http_client.py       # http方式发送pipeline预测请求的脚本
-pipeline_rpc_client.py        # rpc方式发送pipeline预测请求的脚本
-readme.md                     # 分类模型服务化部署文档
-run_cpp_serving.sh            # 启动C++ Serving部署的脚本
-test_cpp_serving_client.py    # rpc方式发送C++ serving预测请求的脚本
-```
-<a name="3.2.1"></a>
-#### 3.2.1 Python Serving
-
-- 启动服务：
-  ```shell
-  # 启动服务，运行日志保存在 log.txt
-  python3.7 classification_web_service.py &>log.txt &
-  ```
-
-- 发送请求：
-  ```shell
-  # 发送服务请求
-  python3.7 pipeline_http_client.py
-  ```
-  成功运行后，模型预测的结果会打印在 cmd 窗口中，结果如下：
-  ```log
-  {'err_no': 0, 'err_msg': '', 'key': ['label', 'prob'], 'value': ["['daisy']", '[0.9341402053833008]'], 'tensors': []}
-  ```
-- 关闭服务
-如果服务程序在前台运行，可以按下`Ctrl+C`来终止服务端程序；如果在后台运行，可以使用kill命令关闭相关进程，也可以在启动服务程序的路径下执行以下命令来终止服务端程序：
-  ```bash
-  python3.7 -m paddle_serving_server.serve stop
-  ```
-  执行完毕后出现`Process stopped`信息表示成功关闭服务。
-
-<a name="3.2.2"></a>
-#### 3.2.2 C++ Serving
-
-与Python Serving不同，C++ Serving客户端调用 C++ OP来预测，因此在启动服务之前，需要编译并安装 serving server包，并设置 `SERVING_BIN`。
-
-- 编译并安装Serving server包
-  ```shell
-  # 进入工作目录
-  cd PaddleClas/deploy/paddleserving
-  # 一键编译安装Serving server、设置 SERVING_BIN
-  bash ./build_server.sh python3.7
-  ```
-  **注：**[build_server.sh](./build_server.sh#L55-L62)所设定的路径可能需要根据实际机器上的环境如CUDA、python版本等作一定修改，然后再编译。
-
-- 修改客户端文件 `ResNet50_client/serving_client_conf.prototxt` ，将 `feed_type:` 后的字段改为20，将第一个 `shape:` 后的字段改为1并删掉其余的 `shape` 字段。
-  ```log
-  feed_var {
-    name: "inputs"
-    alias_name: "inputs"
-    is_lod_tensor: false
-    feed_type: 20
-    shape: 1
-  }
-  ```
-- 修改 [`test_cpp_serving_client`](./test_cpp_serving_client.py) 的部分代码
-  1. 修改 [`feed={"inputs": image}`](./test_cpp_serving_client.py#L28) 部分代码，将 `load_client_config` 后的路径改为 `ResNet50_client/serving_client_conf.prototxt` 。
-  2. 修改 [`feed={"inputs": image}`](./test_cpp_serving_client.py#L45) 部分代码，将 `inputs` 改为与 `ResNet50_client/serving_client_conf.prototxt` 中 `feed_var` 字段下面的 `name` 一致。由于部分模型client文件中的 `name` 为 `x` 而不是 `inputs` ，因此使用这些模型进行C++ Serving部署时需要注意这一点。
-
-- 启动服务：
-  ```shell
-  # 启动服务， 服务在后台运行，运行日志保存在 nohup.txt
-  # CPU部署
-  sh run_cpp_serving.sh
-  # GPU部署并指定0号卡
-  sh run_cpp_serving.sh 0
-  ```
-
-- 发送请求：
-  ```shell
-  # 发送服务请求
-  python3.7 test_cpp_serving_client.py
-  ```
-  成功运行后，模型预测的结果会打印在 cmd 窗口中，结果如下：
-  ```log
-  prediction: daisy, probability: 0.9341399073600769
-  ```
-- 关闭服务
-如果服务程序在前台运行，可以按下`Ctrl+C`来终止服务端程序；如果在后台运行，可以使用kill命令关闭相关进程，也可以在启动服务程序的路径下执行以下命令来终止服务端程序：
-  ```bash
-  python3.7 -m paddle_serving_server.serve stop
-  ```
-  执行完毕后出现`Process stopped`信息表示成功关闭服务。
-
-## 4.FAQ
-
-**Q1**： 发送请求后没有结果返回或者提示输出解码报错
-
-**A1**： 启动服务和发送请求时不要设置代理，可以在启动服务前和发送请求前关闭代理，关闭代理的命令是：
-```shell
-unset https_proxy
-unset http_proxy
-```
-
-**Q2**： 启动服务后没有任何反应
-
-**A2**： 可以检查`config.yml`中`model_config`对应的路径是否存在，文件夹命名是否正确
-
-更多的服务部署类型，如 `RPC 预测服务` 等，可以参考 Serving 的[github 官网](https://github.com/PaddlePaddle/Serving/tree/v0.9.0/examples)
diff --git a/deploy/paddleserving/readme.md b/deploy/paddleserving/readme.md
new file mode 100644
index 0000000000000000000000000000000000000000..5d00914ec442ade3fcfcfb3f294f1caaa91f388d
--- /dev/null
+++ b/deploy/paddleserving/readme.md
@@ -0,0 +1,240 @@
+简体中文 | [English](./readme_en.md)
+
+# 分类模型服务化部署
+
+## 目录
+
+- [1. 简介](#1-简介)
+- [2. Serving 安装](#2-serving-安装)
+- [3. 图像分类服务部署](#3-图像分类服务部署)
+- [3.1 模型转换](#31-模型转换)
+- [3.2 服务部署和请求](#32-服务部署和请求)
+    - [3.2.1 Python Serving](#321-python-serving)
+    - [3.2.2 C++ Serving](#322-c-serving)
+- [4.FAQ](#4faq)
+
+<a name="1"></a>
+## 1. 简介
+
+[Paddle Serving](https://github.com/PaddlePaddle/Serving) 旨在帮助深度学习开发者轻松部署在线预测服务，支持一键部署工业级的服务能力、客户端和服务端之间高并发和高效通信、并支持多种编程语言开发客户端。
+
+该部分以 HTTP 预测服务部署为例，介绍怎样在 PaddleClas 中使用 PaddleServing 部署模型服务。目前只支持 Linux 平台部署，暂不支持 Windows 平台。
+
+<a name="2"></a>
+## 2. Serving 安装
+
+Serving 官网推荐使用 docker 安装并部署 Serving 环境。首先需要拉取 docker 环境并创建基于 Serving 的 docker。
+
+```shell
+# 启动GPU docker
+docker pull paddlepaddle/serving:0.7.0-cuda10.2-cudnn7-devel
+nvidia-docker run -p 9292:9292 --name test -dit paddlepaddle/serving:0.7.0-cuda10.2-cudnn7-devel bash
+nvidia-docker exec -it test bash
+
+# 启动CPU docker
+docker pull paddlepaddle/serving:0.7.0-devel
+docker run -p 9292:9292 --name test -dit paddlepaddle/serving:0.7.0-devel bash
+docker exec -it test bash
+```
+
+进入 docker 后，需要安装 Serving 相关的 python 包。
+```shell
+python3.7 -m pip install paddle-serving-client==0.7.0
+python3.7 -m pip install paddle-serving-app==0.7.0
+python3.7 -m pip install faiss-cpu==1.7.1post2
+
+#若为CPU部署环境:
+python3.7 -m pip install paddle-serving-server==0.7.0 # CPU
+python3.7 -m pip install paddlepaddle==2.2.0          # CPU
+
+#若为GPU部署环境
+python3.7 -m pip install paddle-serving-server-gpu==0.7.0.post102 # GPU with CUDA10.2 + TensorRT6
+python3.7 -m pip install paddlepaddle-gpu==2.2.0     # GPU with CUDA10.2
+
+#其他GPU环境需要确认环境再选择执行哪一条
+python3.7 -m pip install paddle-serving-server-gpu==0.7.0.post101 # GPU with CUDA10.1 + TensorRT6
+python3.7 -m pip install paddle-serving-server-gpu==0.7.0.post112 # GPU with CUDA11.2 + TensorRT8
+```
+
+* 如果安装速度太慢，可以通过 `-i https://pypi.tuna.tsinghua.edu.cn/simple` 更换源，加速安装过程。
+* 其他环境配置安装请参考：[使用Docker安装Paddle Serving](https://github.com/PaddlePaddle/Serving/blob/v0.7.0/doc/Install_CN.md)
+
+<a name="3"></a>
+
+## 3. 图像分类服务部署
+
+下面以经典的 ResNet50_vd 模型为例，介绍如何部署图像分类服务。
+
+<a name="3.1"></a>
+### 3.1 模型转换
+
+使用 PaddleServing 做服务化部署时，需要将保存的 inference 模型转换为 Serving 模型。
+- 进入工作目录：
+  ```shell
+  cd deploy/paddleserving
+  ```
+- 下载并解压 ResNet50_vd 的 inference 模型：
+  ```shell
+  # 下载 ResNet50_vd inference 模型
+  wget -nc https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/inference/ResNet50_vd_infer.tar
+  # 解压 ResNet50_vd inference 模型
+  tar xf ResNet50_vd_infer.tar
+  ```
+- 用 paddle_serving_client 命令把下载的 inference 模型转换成易于 Server 部署的模型格式：
+  ```shell
+  # 转换 ResNet50_vd 模型
+  python3.7 -m paddle_serving_client.convert \
+  --dirname ./ResNet50_vd_infer/ \
+  --model_filename inference.pdmodel  \
+  --params_filename inference.pdiparams \
+  --serving_server ./ResNet50_vd_serving/ \
+  --serving_client ./ResNet50_vd_client/
+  ```
+  上述命令中参数具体含义如下表所示
+    | 参数              | 类型 | 默认值             | 描述                                                         |
+  | ----------------- | ---- | ------------------ | ------------------------------------------------------------ |
+  | `dirname`         | str  | -                  | 需要转换的模型文件存储路径，Program结构文件和参数文件均保存在此目录。 |
+  | `model_filename`  | str  | None               | 存储需要转换的模型Inference Program结构的文件名称。如果设置为None，则使用 `__model__` 作为默认的文件名 |
+  | `params_filename` | str  | None               | 存储需要转换的模型所有参数的文件名称。当且仅当所有模型参数被保>存在一个单独的二进制文件中，它才需要被指定。如果模型参数是存储在各自分离的文件中，设置它的值为None |
+  | `serving_server`  | str  | `"serving_server"` | 转换后的模型文件和配置文件的存储路径。默认值为serving_server |
+  | `serving_client`  | str  | `"serving_client"` | 转换后的客户端配置文件存储路径。默认值为serving_client       |
+
+    ResNet50_vd 推理模型转换完成后，会在当前文件夹多出 `ResNet50_vd_serving` 和 `ResNet50_vd_client` 的文件夹，具备如下结构：
+  ```shell
+  ├── ResNet50_vd_serving/
+  │   ├── inference.pdiparams
+  │   ├── inference.pdmodel
+  │   ├── serving_server_conf.prototxt
+  │   └── serving_server_conf.stream.prototxt
+  │
+  └── ResNet50_vd_client/
+      ├── serving_client_conf.prototxt
+      └── serving_client_conf.stream.prototxt
+  ```
+
+- Serving 为了兼容不同模型的部署，提供了输入输出重命名的功能。让不同的模型在推理部署时，只需要修改配置文件的 `alias_name` 即可，无需修改代码即可完成推理部署。因此在转换完毕后需要分别修改 `ResNet50_vd_serving` 和 `ResNet50_vd_client` 下文件 `serving_server_conf.prototxt` 中的 alias 名字，将 `fetch_var` 中的 `alias_name` 改为 `prediction`，修改后的 serving_server_conf.prototxt 如下所示:
+  ```log
+  feed_var {
+    name: "inputs"
+    alias_name: "inputs"
+    is_lod_tensor: false
+    feed_type: 1
+    shape: 3
+    shape: 224
+    shape: 224
+  }
+  fetch_var {
+    name: "save_infer_model/scale_0.tmp_1"
+    alias_name: "prediction"
+    is_lod_tensor: false
+    fetch_type: 1
+    shape: 1000
+  }
+  ```
+<a name="3.2"></a>
+### 3.2 服务部署和请求
+
+paddleserving 目录包含了启动 pipeline 服务、C++ serving服务和发送预测请求的代码，主要包括：
+```shell
+__init__.py
+classification_web_service.py # 启动pipeline服务端的脚本
+config.yml                    # 启动pipeline服务的配置文件
+pipeline_http_client.py       # http方式发送pipeline预测请求的脚本
+pipeline_rpc_client.py        # rpc方式发送pipeline预测请求的脚本
+readme.md                     # 分类模型服务化部署文档
+run_cpp_serving.sh            # 启动C++ Serving部署的脚本
+test_cpp_serving_client.py    # rpc方式发送C++ serving预测请求的脚本
+```
+<a name="3.2.1"></a>
+#### 3.2.1 Python Serving
+
+- 启动服务：
+  ```shell
+  # 启动服务，运行日志保存在 log.txt
+  python3.7 classification_web_service.py &>log.txt &
+  ```
+
+- 发送请求：
+  ```shell
+  # 发送服务请求
+  python3.7 pipeline_http_client.py
+  ```
+  成功运行后，模型预测的结果会打印在 cmd 窗口中，结果如下：
+  ```log
+  {'err_no': 0, 'err_msg': '', 'key': ['label', 'prob'], 'value': ["['daisy']", '[0.9341402053833008]'], 'tensors': []}
+  ```
+- 关闭服务
+如果服务程序在前台运行，可以按下`Ctrl+C`来终止服务端程序；如果在后台运行，可以使用kill命令关闭相关进程，也可以在启动服务程序的路径下执行以下命令来终止服务端程序：
+  ```bash
+  python3.7 -m paddle_serving_server.serve stop
+  ```
+  执行完毕后出现`Process stopped`信息表示成功关闭服务。
+
+<a name="3.2.2"></a>
+#### 3.2.2 C++ Serving
+
+与Python Serving不同，C++ Serving客户端调用 C++ OP来预测，因此在启动服务之前，需要编译并安装 serving server包，并设置 `SERVING_BIN`。
+
+- 编译并安装Serving server包
+  ```shell
+  # 进入工作目录
+  cd PaddleClas/deploy/paddleserving
+  # 一键编译安装Serving server、设置 SERVING_BIN
+  bash ./build_server.sh python3.7
+  ```
+  **注：**[build_server.sh](./build_server.sh#L55-L62)所设定的路径可能需要根据实际机器上的环境如CUDA、python版本等作一定修改，然后再编译。
+
+- 修改客户端文件 `ResNet50_client/serving_client_conf.prototxt` ，将 `feed_type:` 后的字段改为20，将第一个 `shape:` 后的字段改为1并删掉其余的 `shape` 字段。
+  ```log
+  feed_var {
+    name: "inputs"
+    alias_name: "inputs"
+    is_lod_tensor: false
+    feed_type: 20
+    shape: 1
+  }
+  ```
+- 修改 [`test_cpp_serving_client`](./test_cpp_serving_client.py) 的部分代码
+  1. 修改 [`feed={"inputs": image}`](./test_cpp_serving_client.py#L28) 部分代码，将 `load_client_config` 后的路径改为 `ResNet50_client/serving_client_conf.prototxt` 。
+  2. 修改 [`feed={"inputs": image}`](./test_cpp_serving_client.py#L45) 部分代码，将 `inputs` 改为与 `ResNet50_client/serving_client_conf.prototxt` 中 `feed_var` 字段下面的 `name` 一致。由于部分模型client文件中的 `name` 为 `x` 而不是 `inputs` ，因此使用这些模型进行C++ Serving部署时需要注意这一点。
+
+- 启动服务：
+  ```shell
+  # 启动服务， 服务在后台运行，运行日志保存在 nohup.txt
+  # CPU部署
+  sh run_cpp_serving.sh
+  # GPU部署并指定0号卡
+  sh run_cpp_serving.sh 0
+  ```
+
+- 发送请求：
+  ```shell
+  # 发送服务请求
+  python3.7 test_cpp_serving_client.py
+  ```
+  成功运行后，模型预测的结果会打印在 cmd 窗口中，结果如下：
+  ```log
+  prediction: daisy, probability: 0.9341399073600769
+  ```
+- 关闭服务：
+  如果服务程序在前台运行，可以按下`Ctrl+C`来终止服务端程序；如果在后台运行，可以使用kill命令关闭相关进程，也可以在启动服务程序的路径下执行以下命令来终止服务端程序：
+  ```bash
+  python3.7 -m paddle_serving_server.serve stop
+  ```
+  执行完毕后出现`Process stopped`信息表示成功关闭服务。
+
+## 4.FAQ
+
+**Q1**： 发送请求后没有结果返回或者提示输出解码报错
+
+**A1**： 启动服务和发送请求时不要设置代理，可以在启动服务前和发送请求前关闭代理，关闭代理的命令是：
+```shell
+unset https_proxy
+unset http_proxy
+```
+
+**Q2**： 启动服务后没有任何反应
+
+**A2**： 可以检查`config.yml`中`model_config`对应的路径是否存在，文件夹命名是否正确
+
+更多的服务部署类型，如 `RPC 预测服务` 等，可以参考 Serving 的[github 官网](https://github.com/PaddlePaddle/Serving/tree/v0.9.0/examples)
diff --git a/docs/zh_CN/inference_deployment/deployment/paddle_classification_serving_deploy.md b/docs/zh_CN/inference_deployment/deployment/paddle_classification_serving_deploy.md
deleted file mode 100644
index 2f0c89cb08a51e9e81feac5e52f66caec7131d1e..0000000000000000000000000000000000000000
--- a/docs/zh_CN/inference_deployment/deployment/paddle_classification_serving_deploy.md
+++ /dev/null
@@ -1 +0,0 @@
-../../../../deploy/paddleserving/readme.md
diff --git a/docs/zh_CN/inference_deployment/deployment/paddle_classification_serving_deploy.md b/docs/zh_CN/inference_deployment/deployment/paddle_classification_serving_deploy.md
new file mode 120000
index 0000000000000000000000000000000000000000..c908bb1f27d0a6a46894285800297618f9661417
--- /dev/null
+++ b/docs/zh_CN/inference_deployment/deployment/paddle_classification_serving_deploy.md
@@ -0,0 +1 @@
+deploy/paddleserving/readme.md
\ No newline at end of file
diff --git a/docs/zh_CN/inference_deployment/deployment/paddle_recognition_serving_deploy.md b/docs/zh_CN/inference_deployment/deployment/paddle_recognition_serving_deploy.md
deleted file mode 100644
index 3181ca920a2785cad4314187440f342b7d3bfc38..0000000000000000000000000000000000000000
--- a/docs/zh_CN/inference_deployment/deployment/paddle_recognition_serving_deploy.md
+++ /dev/null
@@ -1 +0,0 @@
-../../../../deploy/paddleserving/recognition/readme.md
diff --git a/docs/zh_CN/inference_deployment/deployment/paddle_recognition_serving_deploy.md b/docs/zh_CN/inference_deployment/deployment/paddle_recognition_serving_deploy.md
new file mode 120000
index 0000000000000000000000000000000000000000..57f80720019ba8f90d94046315a1fd70ccb9b13a
--- /dev/null
+++ b/docs/zh_CN/inference_deployment/deployment/paddle_recognition_serving_deploy.md
@@ -0,0 +1 @@
+deploy/paddleserving/recognition/readme.md
\ No newline at end of file