diff --git a/configs/anchor_free/README.md b/configs/anchor_free/README.md
index 56b254971ae6edb0035f29630afb2b7eadcecc42..7c0d196c60324d64864fdedfa605f101ac21e253 100644
--- a/configs/anchor_free/README.md
+++ b/configs/anchor_free/README.md
@@ -7,7 +7,7 @@
 - [如何贡献代码](#如何贡献代码)
 
 ## 简介
-目前主流的检测算法大体分为两类： single-stage和two-stage，其中single-stage的经典算法包括SSD, YOLO等，two-stage方法有RCNN系列模型，两大类算法在[PaddleDetection Model Zoo](../MODEL_ZOO.md)中均有给出，它们的共同特点是先定义一系列密集的，大小不等的anchor区域，再基于这些先验区域进行分类和回归，这种方式极大的受限于anchor自身的设计。随着CornerNet的提出，涌现了多种anchor free方法，PaddleDetection也集成了一系列anchor free算法。
+目前主流的检测算法大体分为两类： single-stage和two-stage，其中single-stage的经典算法包括SSD, YOLO等，two-stage方法有RCNN系列模型，两大类算法在[PaddleDetection Model Zoo](../../docs/MODEL_ZOO.md)中均有给出，它们的共同特点是先定义一系列密集的，大小不等的anchor区域，再基于这些先验区域进行分类和回归，这种方式极大的受限于anchor自身的设计。随着CornerNet的提出，涌现了多种anchor free方法，PaddleDetection也集成了一系列anchor free算法。
 
 ## 模型库与基线
 下表中展示了PaddleDetection当前支持的网络结构，具体细节请参考[算法细节](#算法细节)。
diff --git a/docs/advanced_tutorials/inference/EXPORT_MODEL.md b/docs/advanced_tutorials/inference/EXPORT_MODEL.md
index 043e07ec5fdfdbe69c11c62ef661bf544ba8c6ca..839130ffd630cbb151268da940acbce6414c95b8 100644
--- a/docs/advanced_tutorials/inference/EXPORT_MODEL.md
+++ b/docs/advanced_tutorials/inference/EXPORT_MODEL.md
@@ -36,7 +36,7 @@
 # 导出FasterRCNN模型, 模型中data层默认的shape为3x800x1333
 python tools/export_model.py -c configs/faster_rcnn_r50_1x.yml \
         --output_dir=./inference_model \
-        -o weights=output/faster_rcnn_r50_1x/model_final \
+        -o weights=output/faster_rcnn_r50_1x/model_final
 ```
 
 预测模型会导出到`inference_model/faster_rcnn_r50_1x`目录下，模型名和参数名分别为`__model__`和`__params__`。
@@ -44,7 +44,7 @@ python tools/export_model.py -c configs/faster_rcnn_r50_1x.yml \
 
 ## 设置导出模型的输入大小
 
-使用Fluid-TensorRT进行预测时，由于<=TensorRT 5.1的版本仅支持定长输入，保存模型的`data`层的图片大小需要和实际输入图片大小一致。而Fluid C++预测引擎没有此限制。可通过设置TestReader中`image_shape`可以修改保存模型中的输入图片大小。示例如下:
+使用Fluid-TensorRT进行预测时，由于<=TensorRT 5.1的版本仅支持定长输入，保存模型的`data`层的图片大小需要和实际输入图片大小一致。而Fluid C++预测引擎没有此限制。设置TestReader中的`image_shape`可以修改保存模型中的输入图片大小。示例如下:
 
 ```bash
 # 导出FasterRCNN模型，输入是3x640x640
@@ -76,7 +76,7 @@ pip install paddle-serving-client
 # 导出FasterRCNN模型, 模型中data层默认的shape为3x800x1333
 python tools/export_serving_model.py -c configs/faster_rcnn_r50_1x.yml \
         --output_dir=./inference_model \
-        -o weights=output/faster_rcnn_r50_1x/model_final \
+        -o weights=output/faster_rcnn_r50_1x/model_final
 ```
 
 用于Serving的预测模型会导出到`inference_model/faster_rcnn_r50_1x`目录下，其中`serving_client`为客户端配置文件夹，`serving_server`为服务端配置文件夹，模型参数也在服务端配置文件夹中。