diff --git a/docs/inference_model_convertor/pytorch2paddle.md b/docs/inference_model_convertor/pytorch2paddle.md
index 74976b5911566b509d8afd69a3b2d8e53a95beb9..3ac21eaa400137ed69441c8e5fbcd1c2eb4fd09a 100644
--- a/docs/inference_model_convertor/pytorch2paddle.md
+++ b/docs/inference_model_convertor/pytorch2paddle.md
@@ -14,7 +14,7 @@ treelib
 
 ## 使用方式
 
-``` python
+```python
 from x2paddle.convert import pytorch2paddle
 pytorch2paddle(module=torch_module,
                save_dir="./pd_model",
@@ -26,12 +26,15 @@ pytorch2paddle(module=torch_module,
 # input_examples (list[torch.tensor]): torch.nn.Module的输入示例，list的长度必须与输入的长度一致。默认为None。
 ```
 
-**注意：** 当jit_type为"trace"时，input_examples不可为None，转换后自动进行动转静；
-          当jit_type为"script"时"，input_examples不为None时，才可以进行动转静。
+**注意:**
+- jit_type为"trace"时，input_examples不可为None，转换后自动进行动转静；
+- jit_type为"script"时，当input_examples为None时，只生成动态图代码；当input_examples不为None时，才能自动动转静。
 
 ## 使用示例
 
-``` python
+### Trace 模式
+
+```python
 import torch
 import numpy as np
 from torchvision.models import AlexNet
@@ -51,3 +54,61 @@ pytorch2paddle(torch_module,
                jit_type="trace",
                input_examples=[torch.tensor(input_data)])
 ```
+
+### 动态 shape 导出
+
+#### 方式一：PyTorch->ONNX->Paddle
+
+```python
+import torch
+from torchvision.models import AlexNet
+from torchvision.models.utils import load_state_dict_from_url
+
+# 获取PyTorch Module
+torch_module = AlexNet()
+torch_state_dict = load_state_dict_from_url('https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth')
+torch_module.load_state_dict(torch_state_dict)
+# 设置为eval模式
+torch_module.eval()
+input_names = ["input_0"]
+output_names = ["output_0"]
+
+x = torch.randn((1, 3, 224, 224))
+y = torch.randn((1, 1000))
+
+torch.onnx.export(torch_module, x, 'model.onnx', opset_version=11, input_names=input_names,
+                  output_names=output_names, dynamic_axes={'input_0': [0], 'output_0': [0]})
+```
+
+导出 ONNX 动态 shape 模型，更多细节参考[相关文档](https://pytorch.org/docs/stable/onnx.html?highlight=onnx%20export#torch.onnx.export)
+
+然后通过 X2Paddle 命令导出 Paddle 模型
+
+```shell
+x2paddle --framework=onnx --model=model.onnx --save_dir=pd_model_dynamic
+```
+
+#### 方式二：手动动转静
+
+在自动生成的 x2paddle_code.py 中添加如下代码：
+
+```python
+def main(x0):
+    # There are 0 inputs.
+    paddle.disable_static()
+    params = paddle.load('model.pdparams')
+    model = AlexNet()
+    model.set_dict(params)
+    model.eval()
+    ## convert to jit
+    sepc_list = list()
+    sepc_list.append(
+            paddle.static.InputSpec(
+                shape=[-1, 3, 224, 224], name="x0", dtype="float32"))
+    static_model = paddle.jit.to_static(model, input_spec=sepc_list)
+    paddle.jit.save(static_model, "pd_model_trace/inference_model/model")
+    out = model(x0)
+    return out
+```
+
+然后运行 main 函数导出动态 shape 模型