diff --git a/doc/DEPLOY.md b/doc/DEPLOY.md
index 8898d95d3cc676e8634bbd2d500ec3186f629d4a..24febd50a6dcd13d20e80668f627b80d8ba25ff3 100755
--- a/doc/DEPLOY.md
+++ b/doc/DEPLOY.md
@@ -115,9 +115,7 @@ KubeCtl可以实现在本地开发机上连接百度智能云的Kubernets集群
建议参考[Helm官方安装文档](https://helm.sh/docs/using_helm/#installing-helm)进行安装。
-**注意事项：**
-
-开发机上的kubectl与helm的版本需要与集群上的版本相一致，目前百度智能云为集群安装的helm版本为2.12.3，kubectl版本为1.13.4。
+**注意事项：** 开发机上的kubectl与helm的版本需要与集群上的版本相一致，目前百度智能云为集群安装的helm版本为2.12.3，kubectl版本为1.13.4。
#### 2.3 配置文件
@@ -385,7 +383,7 @@ Flags from /home/work/dangyifei/open-builder/src/main.cpp:
只利用builder工具建立索引无特殊位置要求，如果接入配送环节使用必须和cube-transfer同机部署。
假设单独使用builder工具，文件结构如下：
-```bash
+```
$ tree
`-- cube-builder
|-- source
@@ -532,8 +530,8 @@ transfer_address: 10.10.10.5 //cube-transfer本机
[cube_agent]
agent0_0: 10.10.220.15:8001 //0号分片0号副本的agent ip:port
cube0_0: 10.10.220.15:8000:/ssd2/cube_open //0号分片0号副本的cube，该路径下会存放配送的数据 ip:port:deploy_path
-agent1_0: 10.10.180.40:8001 //0号分片1号副本的agent ip:port
-cube1_0: 10.10.180.40:8000:/home/disk1/cube_open //0号分片1号副本的cube ，该路径下会存放配送的数据 ip:port:deploy_path
+agent1_0: 10.10.180.40:8001 //1号分片0号副本的agent ip:port
+cube1_0: 10.10.180.40:8000:/home/disk1/cube_open //1号分片0号副本的cube ，该路径下会存放配送的数据 ip:port:deploy_path
```
#### 4.2 拷贝cube-transfer到物理机
@@ -618,6 +616,8 @@ K8s集群上CTR预估任务训练完成后，模型参数分成2部分：一是e
上述例子中，cube提供外部访问的表名是`dict`，有2个物理分片，分别在192.168.1.1:8000和192.168.1.2:8000
+**注意事项：** nodes中的ipport_list需要按照分片的顺序(参考cube-transfer配置文件)填写。
+
#### 1.2 Serving编译
截至写本文时，Serving develop分支已经提供了CTR预估服务相关OP，参考[ctr_prediction_op.cpp](https://github.com/PaddlePaddle/Serving/blob/develop/demo-serving/op/ctr_prediction_op.cpp)，该OP从client端接收请求后会将每个请求的26个sparse feature id发给cube服务，获得对应的embedding向量，然后填充到模型feed variable对应的LoDTensor，执行预测计算。只要按常规步骤编译Serving即可。
@@ -685,7 +685,7 @@ sparse_param_service_table_name: "dict"
}
```
-注意ctr_prediction model有如下2行配置：
+**注意事项：** ctr_prediction model有如下2行配置：
```json
sparse_param_service_type: REMOTE
@@ -714,7 +714,7 @@ conf/cube.conf是一个完整的cube配置文件模板，其中只要修改nodes
}]
```
-**注意事项：**如果修改了`dict_name`，需要同步修改1.3.2节中`sparse_param_service_table_name`字段
+**注意事项：** 如果修改了`dict_name`，需要同步修改1.3.2节中`sparse_param_service_table_name`字段
##### 1.3.4 模型文件