update

docs/en/quick_start/quick_start_classification_professional_en.md

@@ -75,7 +75,9 @@ python3 -m paddle.distributed.launch \
 
 The highest accuracy of the validation set is around 0.415.
 
-** Note** If the number of GPU cards is not 4, the accuracy of the validation set may be different from 0.415. To maintain a comparable accuracy, you need to change the learning rate in the configuration file to the current learning rate / 4 \* current card number. The same below.
+* ** Note** 
+
+  * If the number of GPU cards is not 4, the accuracy of the validation set may be different from 0.415. To maintain a comparable accuracy, you need to change the learning rate in the configuration file to `the current learning rate / 4 \* current card number`. The same below.
 
 <a name="2.1.2"></a> 
 

docs/zh_CN/quick_start/quick_start_classification_professional.md

@@ -75,7 +75,9 @@ python3 -m paddle.distributed.launch \
 
 验证集的最高准确率为 0.415 左右。
 
-** 注意** 如果 GPU 卡数不是 4，验证集的准确率可能与 0.415 有差异，若需保持相当的准确率，需要将配置文件中的学习率改为当前学习率 / 4 \* 当前卡数。下同。
+* **注意**
+
+  * 如果 GPU 卡数不是 4，验证集的准确率可能与 0.415 有差异，若需保持相当的准确率，需要将配置文件中的学习率改为`当前学习率 / 4 \* 当前卡数`。下同。
 
 <a name="2.1.2"></a> 
 
@@ -155,7 +157,7 @@ python3 -m paddle.distributed.launch \
 * **注意**
 
   * 其他数据增广的配置文件可以参考 `ppcls/configs/ImageNet/DataAugment/` 中的配置文件。
-* 训练 CIFAR100 的迭代轮数较少，因此进行训练时，验证集的精度指标可能会有 1% 左右的波动。
+  * 训练 CIFAR100 的迭代轮数较少，因此进行训练时，验证集的精度指标可能会有 1% 左右的波动。
 
 <a name="4"></a>