diff --git a/turtorial/finetune_unet.md b/turtorial/finetune_unet.md
index d9f7deaf387c51b869f00f7f650f3693647f50f4..0ae18101bc63c7cd0253ec5c8cbf7f3b74107d23 100644
--- a/turtorial/finetune_unet.md
+++ b/turtorial/finetune_unet.md
@@ -26,7 +26,7 @@ python pretrained_model/download_model.py unet_bn_coco
 
 ## 三. 准备配置
 
-在开始训练和评估之前，我们需要确定相关配置，从本教程的角度，配置分为三部分：
+接着我们需要确定相关配置，从本教程的角度，配置分为三部分：
 
 * 数据集
   * 训练集主目录
@@ -88,17 +88,26 @@ SOLVER:
     OPTIMIZER: "adam"
 ```
 
-## 四. 开始训练
+## 四. 配置/数据校验
 
-使用下述命令启动训练
+在开始训练和评估之前，我们还需要对配置和数据进行一次校验，确保数据和配置是正确的。使用下述命令启动校验流程
+
+```shell
+python pdseg/check.py --cfg ./configs/test_pet.yaml
+```
+
+
+## 五. 开始训练
+
+校验通过后，使用下述命令启动训练
 
 ```shell
 python pdseg/train.py --use_gpu --cfg ./configs/test_pet.yaml
 ```
 
-## 五. 进行评估
+## 六. 进行评估
 
-使用下述命令启动评估
+模型训练完成，使用下述命令启动评估
 
 ```shell
 python pdseg/eval.py --use_gpu --cfg ./configs/test_pet.yaml