diff --git a/docs/zh_CN/models/ImageNet1k/model_list.md b/docs/zh_CN/models/ImageNet1k/model_list.md
index d7e05f1962d3fda09c71651a29bd67af06619013..e4dbf4e6aa00e5ecf813b06956575578da4f3bff 100644
--- a/docs/zh_CN/models/ImageNet1k/model_list.md
+++ b/docs/zh_CN/models/ImageNet1k/model_list.md
@@ -5,13 +5,13 @@
## 目录
-- [模型库概览图](#Overview)
-- [SSLD 知识蒸馏预训练模型](#SSLD)
- - [服务器端知识蒸馏模型](#SSLD_server)
- - [移动端知识蒸馏模型](#SSLD_mobile)
- - [Intel CPU 端知识蒸馏模型](#SSLD_intel_cpu)
-- [CNN 系列模型](#CNN_based)
- - [服务器端模型](#CNN_server)
+- [一、模型库概览图](#Overview)
+- [二、SSLD 知识蒸馏预训练模型](#SSLD)
+ - [2.1 服务器端知识蒸馏模型](#SSLD_server)
+ - [2.2 移动端知识蒸馏模型](#SSLD_mobile)
+ - [2.3 Intel CPU 端知识蒸馏模型](#SSLD_intel_cpu)
+- [三、CNN 系列模型](#CNN_based)
+ - [3.1 服务器端模型](#CNN_server)
- [PP-HGNet 系列](#PPHGNet)
- [ResNet 系列](#ResNet)
- [SEResNeXt 与 Res2Net 系列](#SEResNeXt&Res2Net)
@@ -27,11 +27,11 @@
- [DLA 系列](#DLA)
- [RedNet 系列](#RedNet)
- [其他模型](#Others)
- - [轻量级模型](#CNN_lite)
+ - [3.2 轻量级模型](#CNN_lite)
- [移动端系列](#Mobile)
- [PP-LCNet & PP-LCNetV2 系列](#PPLCNet)
-- [Transformer 系列模型](#Transformer_based)
- - [服务器端模型](#Transformer_server)
+- [四、Transformer 系列模型](#Transformer_based)
+ - [4.1 服务器端模型](#Transformer_server)
- [ViT_and_DeiT 系列](#ViT&DeiT)
- [SwinTransformer 系列](#SwinTransformer)
- [Twins 系列](#Twins)
@@ -39,13 +39,13 @@
- [PVTV2 系列](#PVTV2)
- [LeViT 系列](#LeViT)
- [TNT 系列](#TNT)
- - [轻量级模型](#Transformer_lite)
+ - [4.2 轻量级模型](#Transformer_lite)
- [MobileViT 系列](#MobileViT)
-- [参考文献](#reference)
+- [五、参考文献](#reference)
-## 模型库概览图
+## 一、模型库概览图
基于 ImageNet1k 分类数据集，PaddleClas 支持 37 个系列分类网络结构以及对应的 217 个图像分类预训练模型，训练技巧、每个系列网络结构的简单介绍和性能评估将在相应章节展现，下面所有的速度指标评估环境如下：
* Arm CPU 的评估环境基于骁龙 855(SD855)。
@@ -67,12 +67,12 @@
-## SSLD 知识蒸馏预训练模型
+## 二、SSLD 知识蒸馏预训练模型
基于 SSLD 知识蒸馏的预训练模型列表如下所示，更多关于 SSLD 知识蒸馏方案的介绍可以参考：[SSLD 知识蒸馏文档](../../algorithm_introduction/knowledge_distillation.md)。
-### 服务器端知识蒸馏模型
+### 2.1 服务器端知识蒸馏模型
| 模型 | Top-1 Acc | Reference
Top-1 Acc | Acc gain | time(ms)
bs=1 | time(ms)
bs=4 | time(ms)
bs=8 | FLOPs(G) | Params(M) | 预训练模型下载地址 | inference模型下载地址 |
|---------------------|-----------|-----------|---------------|----------------|-----------|----------|-----------|-----------------------------------|-----------------------------------|-----------------------------------|
@@ -90,7 +90,7 @@
-### 移动端知识蒸馏模型
+### 2.2 移动端知识蒸馏模型
| 模型 | Top-1 Acc | Reference
Top-1 Acc | Acc gain | SD855 time(ms)
bs=1, thread=1 | SD855 time(ms)
bs=1, thread=2 | SD855 time(ms)
bs=1, thread=4 | FLOPs(M) | Params(M) | 模型大小(M) | 预训练模型下载地址 | inference模型下载地址 |
|---------------------|-----------|-----------|---------------|----------------|-----------|----------|-----------|-----------------------------------|-----------------------------------|-----------------------------------|-----------------------------------|
@@ -103,7 +103,7 @@
-### Intel CPU 端知识蒸馏模型
+### 2.3 Intel CPU 端知识蒸馏模型
| 模型 | Top-1 Acc | Reference
Top-1 Acc | Acc gain | Intel-Xeon-Gold-6148 time(ms)
bs=1 | FLOPs(M) | Params(M) | 预训练模型下载地址 | inference模型下载地址 |
|---------------------|-----------|-----------|---------------|----------------|----------|-----------|-----------------------------------|-----------------------------------|
@@ -115,11 +115,11 @@
-## CNN 系列模型
+## 三、CNN 系列模型
-### 服务器端模型
+### 3.1 服务器端模型
@@ -394,7 +394,7 @@ ResNeSt 与 RegNet 系列模型的精度、速度指标如下表所示，更多
-### 轻量级模型
+### 3.2 轻量级模型
@@ -472,11 +472,11 @@ PP-LCNet 系列模型的精度、速度指标如下表所示，更多关于该
-### Transformer 系列模型
+### 四、Transformer 系列模型
-### 服务器端模型
+### 4.1 服务器端模型
@@ -602,7 +602,7 @@ ViT(Vision Transformer) 与 DeiT（Data-efficient Image Transformers）系列模
-### 轻量级模型
+### 4.2 轻量级模型
@@ -618,7 +618,7 @@ ViT(Vision Transformer) 与 DeiT（Data-efficient Image Transformers）系列模
-## 参考文献
+## 五、参考文献
[1] He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 770-778.