fix some details in distillation demo

docs/docs/tutorials/distillation_demo.md

-本示例将介绍如何使用PaddleSlim蒸馏接口来对模型进行蒸馏训练
+本示例将介绍如何使用PaddleSlim蒸馏接口来对模型进行蒸馏训练。
 
 ## 接口介绍
 
@@ -28,9 +28,9 @@ with fluid.program_guard(student_program, student_startup):
 
 ### 2. 定义teacher_program
 
-在定义好teacher_program后，可以一并加载训练好的pretrained_model
+在定义好`teacher_program`后，可以一并加载训练好的pretrained_model。
 
-在teacher_program内需要加上`with fluid.unique_name.guard():`，保证teacher的变量命名不被student_program影响，从而跟能够正确地加载预训练参数
+在`teacher_program`内需要加上`with fluid.unique_name.guard():`，保证teacher的变量命名不被`student_program`影响，从而能够正确地加载预训练参数。
 
 ```python
 teacher_program = fluid.Program()
@@ -55,7 +55,7 @@ fluid.io.load_vars(
 
 ### 3.选择特征图
 
-定义好student_program和teacher_program后，我们需要从中两两对应地挑选出若干个特征图，留待后续为其添加知识蒸馏损失函数
+定义好`student_program`和`teacher_program`后，我们需要从中两两对应地挑选出若干个特征图，留待后续为其添加知识蒸馏损失函数。
 
 ```python
 # get all student variables
@@ -91,12 +91,15 @@ student_program = merge(teacher_program, student_program, data_name_map, place)
 
 ### 5.添加蒸馏loss
 
-在添加蒸馏loss的过程中，可能还会引入部分变量（Variable），为了避免命名重复这里可以使用`with fluid.name_scope("distill"):`为新引入的变量加一个命名作用域
+在添加蒸馏loss的过程中，可能还会引入部分变量（Variable），为了避免命名重复这里可以使用`with fluid.name_scope("distill"):`为新引入的变量加一个命名作用域。
+
+另外需要注意的是，merge过程为`teacher_program`的变量统一加了名称前缀，默认是`"teacher_"`, 这里在添加`l2_loss`时也要为teacher的变量加上这个前缀。
 
 ```python
 with fluid.program_guard(student_program, student_startup):
     with fluid.name_scope("distill"):
-        distill_loss = l2_loss('teacher_bn5c_branch2b.output.1.tmp_3', 'depthwise_conv2d_11.tmp_0', main)
+        distill_loss = l2_loss('teacher_bn5c_branch2b.output.1.tmp_3',
+		    'depthwise_conv2d_11.tmp_0', student_program)
         distill_weight = 1
         loss = avg_cost + distill_loss * distill_weight
         opt = create_optimizer()
@@ -104,4 +107,4 @@ with fluid.program_guard(student_program, student_startup):
 exe.run(student_startup)
 ```
 
-至此，我们就得到了用于蒸馏训练的student_program，后面就可以使用一个普通program一样对其开始训练和评估
+至此，我们就得到了用于蒸馏训练的`student_program`，后面就可以使用一个普通program一样对其开始训练和评估。