diff --git a/docs/zh_CN/advanced_tutorials/code_overview.md b/docs/zh_CN/advanced_tutorials/code_overview.md
index 96d4c97302daf210ae5c787bb7e3aa10aef35bc8..b2c27a45cf03aa7d6bc6a8a4e6dd21f3d79cb90b 100644
--- a/docs/zh_CN/advanced_tutorials/code_overview.md
+++ b/docs/zh_CN/advanced_tutorials/code_overview.md
@@ -2,7 +2,7 @@
## 目录
-- [模型压缩与知识蒸馏方法简介](#1)
+- [整体代码和目录概览](#1)
- [训练模块定义](#2)
- [2.1 数据](#2.1)
- [2.2 模型结构](#2.2)
diff --git a/docs/zh_CN/advanced_tutorials/knowledge_distillation.md b/docs/zh_CN/advanced_tutorials/knowledge_distillation.md
index 9545ac4418b120e461f137e55b719d48e55fb6ed..23afd875b4167a02013817c7ac20bc73d6e3008e 100644
--- a/docs/zh_CN/advanced_tutorials/knowledge_distillation.md
+++ b/docs/zh_CN/advanced_tutorials/knowledge_distillation.md
@@ -10,7 +10,7 @@
- [实验](#3)
- [3.1 教师模型的选择](#3.1)
- [3.2 大数据蒸馏](#3.2)
- - [3.3ImageNet1k 训练集 finetune](#3.3)
+ - [3.3 ImageNet1k 训练集 finetune](#3.3)
- [3.4 数据增广以及基于 Fix 策略的微调](#3.4)
- [3.5 实验过程中的一些问题](#3.5)
- [蒸馏模型的应用](#4)
diff --git a/docs/zh_CN/advanced_tutorials/model_prune_quantization.md b/docs/zh_CN/advanced_tutorials/model_prune_quantization.md
index f2eb9e9b2de09bf3c1b83d6f2c20ec3626a56db2..7458e76f8765abe221b6ba4832003bb1cf01d3ed 100644
--- a/docs/zh_CN/advanced_tutorials/model_prune_quantization.md
+++ b/docs/zh_CN/advanced_tutorials/model_prune_quantization.md
@@ -158,10 +158,10 @@ python3.7 tools/export.py \
## 四、模型部署
-上述步骤导出的模型可以直接使用inferecne 进行部署，参考[inference部署](../inference_deployment/)。
+上述步骤导出的模型可以直接使用inferecne进行部署，参考[inference部署](../inference_deployment/)。
也通过PaddleLite的opt模型转换工具，完成inference模型到移动端模型转换，用于移动端的模型部署。
-移动端模型部署的可参考 [移动端模型部署](../../../deploy/lite/readme.md)
+移动端模型部署的可参考 [移动端模型部署](../inference_deployment/paddle_lite_deploy.md)。
## 五、训练超参数建议
diff --git a/docs/zh_CN/algorithm_introduction/image_classification.md b/docs/zh_CN/algorithm_introduction/image_classification.md
index b527d963d0294213c3f0bbaedcc2919aeefbbb89..8ed1ec0769131fd7276467ecd6e14ff4e6dedead 100644
--- a/docs/zh_CN/algorithm_introduction/image_classification.md
+++ b/docs/zh_CN/algorithm_introduction/image_classification.md
@@ -9,8 +9,8 @@
- [图像分类的流程](#2)
- [2.1 数据及其预处理](#2.1)
- [2.2 模型准备](#2.2)
- - [2.2 模型训练](#2.3)
- - [2.2 模型评估](#2.4)
+ - [2.3 模型训练](#2.3)
+ - [2.4 模型评估](#2.4)
- [主要算法简介](#3)
图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。图像分类在很多领域有广泛应用，包括安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类，医学领域的图像识别等。
diff --git a/docs/zh_CN/data_preparation/recognition_dataset.md b/docs/zh_CN/data_preparation/recognition_dataset.md
index dfa7c1c1f7b4b8300185359710e7452972922c45..4122a8811ac943c1cfa6828b9a4e757af406e69b 100644
--- a/docs/zh_CN/data_preparation/recognition_dataset.md
+++ b/docs/zh_CN/data_preparation/recognition_dataset.md
@@ -14,7 +14,7 @@
- [2.2.1 动漫人物识别](#动漫人物识别)
- [2.2.2 商品识别](#商品识别)
- [2.2.3 Logo识别](#Logo识别)
- - [2.2.3 车辆识别](#车辆识别)
+ - [2.2.4 车辆识别](#车辆识别)
diff --git a/docs/zh_CN/inference_deployment/cpp_deploy.md b/docs/zh_CN/inference_deployment/cpp_deploy.md
index 8add0ad57b44cbd8e65fe41b6e6cb2a6103b1b51..2e26e2c17683e6cec9af07383b47ada85e98f135 100644
--- a/docs/zh_CN/inference_deployment/cpp_deploy.md
+++ b/docs/zh_CN/inference_deployment/cpp_deploy.md
@@ -13,8 +13,7 @@
- [1.2.2 直接下载安装](1.2.2)
- [编译](#2)
- [2.1 编译 PaddleClas C++ 预测 demo](#2.1)
- - [2.2 编译 config lib 预测库与 cls lib 预测库](#2.2)
-
+ - [2.2 编译 config lib 预测库与 cls lib 预测库](#2.2)
- [运行](#3)
- [3.1 准备 inference model](#3.1)
- [3.2 运行 demo](#3.2)
diff --git a/docs/zh_CN/models_training/recognition.md b/docs/zh_CN/models_training/recognition.md
index ec5ace2a1fcb20308ae2929909698b5fcfb4edbe..180b13d8c84a8956c0ecc583e9ba7119398703c7 100644
--- a/docs/zh_CN/models_training/recognition.md
+++ b/docs/zh_CN/models_training/recognition.md
@@ -11,9 +11,9 @@
其中特征库，需要利用已经标注好的图像数据集提前建立。完整的图像识别系统，如下图所示
-
+