diff --git a/paddleslim/nas/nas_api.md b/paddleslim/nas/nas_api.md
index b1ddb7194bf5c86241f0aa766c9fb9be3f4b27dd..2730c3463a1f833eb4c6364b1bc4dda06b0b3e9e 100644
--- a/paddleslim/nas/nas_api.md
+++ b/paddleslim/nas/nas_api.md
@@ -2,49 +2,73 @@
 
 ## SANAS API文档
 
-### paddleslim.nas.SANAS(configs, server_addr, init_temperature, reduce_rate, search_steps, save_checkpoint, load_checkpoint, is_server)
-初始化一个sanas实例。
+## class SANAS
+
+---
+
+>paddleslim.nas.SANAS(configs, server_addr, init_temperature, reduce_rate, search_steps, save_checkpoint, load_checkpoint, is_server)
+SANAS（Simulated Annealing Neural Architecture Search）是基于模拟退火算法进行模型结构搜索的算法，一般用于离散搜索任务。
 
 **参数：**
-- **configs(list<tuple>): 搜索空间配置列表，格式是[(key, {input_size, output_size, block_num, block_mask})], `input_size` 和`output_size`表示输入和输出的特征图的大小，`block_num`是指搜索网络中的block数量，`block_mask`是一组由0和1组成的列表，0代表不进行下采样的block，1代表下采样的block。 更多paddleslim提供的搜索空间配置可以参考。
-- **server_addr(tuple): SANAS的地址，包括server的ip地址和端口号，如果ip地址为None或者为""的话则默认使用本机ip。默认：（"", 8881）。
-- **init_temperature(float): 基于模拟退火进行搜索的初始温度。默认：100。
-- **reduce_rate(float): 基于模拟退火进行搜索的衰减率。默认：0.85。
-- **search_steps(int): 搜索过程迭代的次数。默认：300。
-- **save_checkpoint(str|None): 保存checkpoint的文件目录，如果设置为None的话则不保存checkpoint。默认：nas_checkpoint。
-- **load_checkpoint(str|None): 加载checkpoint的文件目录，如果设置为None的话则不加载checkpoint。默认：None。
-- **is_server(bool): 当前实例是否要启动一个server。默认：True。
-
-### paddleslim.nas.SANAS.tokens2arch(tokens)
+- **configs(list<tuple>):** 搜索空间配置列表，格式是`[(key, {input_size, output_size, block_num, block_mask})]`或者`[(key)]`（MobileNetV2、MobilenetV1和ResNet的搜索空间使用和原本网络结构相同的搜索空间，所以仅需指定`key`即可）, `input_size` 和`output_size`表示输入和输出的特征图的大小，`block_num`是指搜索网络中的block数量，`block_mask`是一组由0和1组成的列表，0代表不进行下采样的block，1代表下采样的block。 更多paddleslim提供的搜索空间配置可以参考。
+- **server_addr(tuple):** SANAS的地址，包括server的ip地址和端口号，如果ip地址为None或者为""的话则默认使用本机ip。默认：（"", 8881）。
+- **init_temperature(float):** 基于模拟退火进行搜索的初始温度。默认：100。
+- **reduce_rate(float):** 基于模拟退火进行搜索的衰减率。默认：0.85。
+- **search_steps(int):** 搜索过程迭代的次数。默认：300。
+- **save_checkpoint(str|None):** 保存checkpoint的文件目录，如果设置为None的话则不保存checkpoint。默认：`./nas_checkpoint`。
+- **load_checkpoint(str|None):** 加载checkpoint的文件目录，如果设置为None的话则不加载checkpoint。默认：None。
+- **is_server(bool):** 当前实例是否要启动一个server。默认：True。
+
+**返回：** 
+一个SANAS类的实例
+
+**示例代码：**
+```
+from paddleslim.nas import SANAS
+config = [('MobileNetV2Space')]
+sanas = SANAS(config=config)
+```
+
+---
+
+>tokens2arch(tokens)
 通过一组token得到实际的模型结构，一般用来把搜索到最优的token转换为模型结构用来做最后的训练。
 
 **参数：**
-- **tokens(list): 搜索出来的token。
+- **tokens(list):** 一组token。
 
 **返回**
-返回一个模型模型结构实例。
+返回一个模型结构实例。
 
-**返回类型**
-function
+---
 
-### paddleslim.nas.SANAS.next_archs():
+>next_archs():
 获取下一组模型结构。
 
 **返回**
-返回模型结构实例的列表，形式为list<model_arch>。
+返回模型结构实例的列表，形式为list。
 
-### paddleslim.nas.SANAS.reward(score):
-把当前模型结构的得分情况回传给server，server根据得分判断是否是最优得分。
+**示例代码：**
+```
+import paddle.fluid as fluid
+input = fluid.data(name='input', shape=[None, 1, 32, 32], dtype='float32')
+archs = sanas.next_archs()
+for arch in archs:
+    output = arch(input)
+    input = output
+```
+
+---
+
+>reward(score):
+把当前模型结构的得分情况回传。
 
 **参数：**
-score<float>: 当前模型的得分，分数越大越好。
+score<float>:** 当前模型的得分，分数越大越好。
 
 **返回**
 模型结构更新成功或者失败，成功则返回`True`，失败则返回`False`。
 
-**返回类型**
-bool类型
-
 
 **代码示例**
 ```python
@@ -56,6 +80,7 @@ config=[('MobileNetV2Space')]
 # 实例化SANAS
 sa_nas = SANAS(config, server_addr=("", 8887), init_temperature=10.24, reduce_rate=0.85, search_steps=100, is_server=True)
 
+# 构造输入数据
 input = fluid.data(name='input', shape=[None, 1, 32, 32], dtype='float32')
 label = fluid.data(name='label', shape=[-1, 1], dtype='int64')
 for step in range(100):