diff --git a/README.md b/README.md
index 56bb6501d73eb4d0a4654a0043af68e963dce5d0..7313778a56a90d850089c8885c23ae61b4a93a6e 100644
--- a/README.md
+++ b/README.md
@@ -4,18 +4,18 @@
 [![Build Status](https://travis-ci.org/PaddlePaddle/PaddleHub.svg?branch=develop)](https://travis-ci.org/PaddlePaddle/PaddleHub)
 [![License](https://img.shields.io/badge/license-Apache%202-blue.svg)](LICENSE)
 
-PaddleHub是基于PaddlePaddle框架开发的预训练模型管理工具，可以借助预训练模型更便捷的完成迁移学习工作。
+PaddleHub是基于PaddlePaddle开发的预训练模型管理工具，可以借助预训练模型更便捷地开展迁移学习工作。
 
 ## 特性
 
 通过PaddleHub，您可以：
 
-1. 使用hub run命令，快速使用预训练模型进行预测；
+1. 通过命令行，无需编写代码，一键使用预训练模型进行预测；
 2. 通过hub download命令，快速地获取PaddlePaddle生态下的所有预训练模型；
-3. 使用PaddleHub Finetune API对通过少量代码完成迁移学习；
+3. 借助PaddleHub Finetune API，使用少量代码完成迁移学习；更多Demo可参考
    [ERNIE文本分类](https://github.com/PaddlePaddle/PaddleHub/tree/develop/demo/ernie-classification)
+   [图像分类迁移](https://github.com/PaddlePaddle/PaddleHub/tree/develop/demo/image-classification)
 
-想了解PaddleHub已经发布的模型，请查看[模型列表](https://github.com/PaddlePaddle/PaddleHub/tree/develop/docs/released_module_list.md)
 
 ## 安装
 
@@ -31,7 +31,8 @@ $ pip install paddlehub
 
 ## 快速体验
 
-通过下面的命令，快速体验下PaddleHub的hub run功能
+如果安装成功，执行下面的命令，可以快速体验PaddleHub的一键预测功能
+
 ```bash
 # 使用百度LAC词法分析工具进行分词
 $ hub run lac --input_text "今天是个好日子"
@@ -40,6 +41,12 @@ $ hub run lac --input_text "今天是个好日子"
 $ hub run senta --input_text "今天是个好日子"
 ```
 
+想了解更多PaddleHub已经发布的模型，请使用`hub search`命令查看所有已发布的模型。
+
+```bash
+$ hub search
+```
+
 ## 深入了解PaddleHub
 * [命令行功能](https://github.com/PaddlePaddle/PaddleHub/tree/develop/docs/command_line_introduction.md)
 * [Finetune API与迁移学习](https://github.com/PaddlePaddle/PaddleHub/tree/develop/docs/transfer_learning_turtorial.md)
diff --git a/demo/ernie-classification/README.md b/demo/ernie-classification/README.md
index fc043516ac4578c6b8872c2f9b0951a98d0c9ce6..724f58f670ff7336a7ada7243dc2ac8abb66461f 100644
--- a/demo/ernie-classification/README.md
+++ b/demo/ernie-classification/README.md
@@ -63,7 +63,7 @@ reader = hub.reader.ClassifyReader(
     vocab_path=module.get_vocab_path(),
     max_seq_len=128)
 ```
-`hub.dataset.ChnSentiCorp()` 会自动从网络下载数据集并解压到用户目录下.paddlehub/dataset目录
+`hub.dataset.ChnSentiCorp()` 会自动从网络下载数据集并解压到用户目录下`$HOME/.paddlehub/dataset`目录
 
 `module.get_vaocab_path()` 会返回ERNIE/BERT模型对应的词表
 
diff --git a/demo/senta/README.md b/demo/senta/README.md
index 33dfbd13c2e024a8d61387ec66a0164e931e6526..2f57cf3182283523288551da31ba58bc76878748 100644
--- a/demo/senta/README.md
+++ b/demo/senta/README.md
@@ -1,11 +1,12 @@
-## 关于senta
+## 关于Senta
+
 https://github.com/baidu/Senta
 
 ## 创建Module
 本目录包含了创建一个基于senta预训练模型的Module的脚本。
 通过以下脚本来一键创建一个senta Module
 ```shell
-sh create_module.sh
+$ sh create_module.sh
 ```
 NOTE:
 * 如果进行下面示例的脚本或者代码，请确保执行上述脚本
@@ -17,11 +18,11 @@ NOTE:
 `infer.sh`给出了使用命令行调用Module预测的示例脚本
 通过以下命令试验下效果
 ```shell
-sh infer.sh
+$ sh infer.sh
 ```
 ### 通过python API
 `infer_by_code.py`给出了使用python API调用Module预测的示例代码
 通过以下命令试验下效果
 ```shell
-python infer_by_code.py
+$ python infer_by_code.py
 ```