diff --git a/deploy/hubserving/.ipynb_checkpoints/serving-checkpoint.md b/deploy/hubserving/.ipynb_checkpoints/serving-checkpoint.md
deleted file mode 100644
index da043921388ad59a5b6b9e60ebd6f1200454ff25..0000000000000000000000000000000000000000
--- a/deploy/hubserving/.ipynb_checkpoints/serving-checkpoint.md
+++ /dev/null
@@ -1,109 +0,0 @@
-# 服务部署
-
-PaddleOCR提供2种服务部署方式：
-- 基于HubServing的部署：已集成到PaddleOCR中（[code](https://github.com/PaddlePaddle/PaddleOCR/tree/develop/deploy/ocr_hubserving)），按照本教程使用；
-- 基于PaddleServing的部署：详见PaddleServing官网[demo](https://github.com/PaddlePaddle/Serving/tree/develop/python/examples/ocr)，后续也将集成到PaddleOCR。  
-
-服务部署目录下包括检测、识别、2阶段串联三种服务包，根据需求选择相应的服务包进行安装和启动。目录如下：
-```
-deploy/hubserving/
-  └─  ocr_det     检测模块服务包
-  └─  ocr_rec     识别模块服务包
-  └─  ocr_system  检测+识别串联服务包
-```
-
-每个服务包下包含3个文件。以2阶段串联服务包为例，目录如下：
-```
-deploy/hubserving/ocr_system/
-  └─  __init__.py    空文件
-  └─  config.json    配置文件，启动服务时作为参数传入
-  └─  module.py      主模块，包含服务的完整逻辑
-```
-
-## 启动服务
-以下步骤以检测+识别2阶段串联服务为例，如果只需要检测服务或识别服务，替换相应文件路径即可。
-### 1. 安装paddlehub
-```pip3 install paddlehub --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple```
-
-### 2. 安装服务模块
-PaddleOCR提供3种服务模块，根据需要安装所需模块。如： 
-
-安装检测服务模块：  
-```hub install deploy/hubserving/ocr_det/```  
-
-或，安装识别服务模块：  
-```hub install deploy/hubserving/ocr_rec/```  
-
-或，安装检测+识别串联服务模块：  
-```hub install deploy/hubserving/ocr_system/```  
-
-### 3. 修改配置文件
-在config.json中指定模型路径、是否使用GPU、是否对结果做可视化等参数，如，串联服务ocr_system的配置：
-```python
-{
-    "modules_info": {
-        "ocr_system": {
-            "init_args": {
-                "version": "1.0.0",
-                "det_model_dir": "./inference/det/",
-                "rec_model_dir": "./inference/rec/",
-                "use_gpu": true
-            },
-            "predict_args": {
-                "visualization": false
-            }
-        }
-    }
-}
-```
-其中，模型路径对应的模型为```inference模型```。
-
-### 4. 运行启动命令
-```hub serving start -m ocr_system --config hubserving/ocr_det/config.json```  
-
-这样就完成了一个服务化API的部署，默认端口号为8866。
-
-**NOTE:** 如使用GPU预测(即，config中use_gpu置为true)，则需要在启动服务之前，设置CUDA_VISIBLE_DEVICES环境变量，如：```export CUDA_VISIBLE_DEVICES=0```，否则不用设置。
-
-## 发送预测请求
-配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果:
-
-```python
-import requests
-import json
-import cv2
-import base64
-
-def cv2_to_base64(image):
-    return base64.b64encode(image).decode('utf8')
-
-# 发送HTTP请求
-data = {'images':[cv2_to_base64(open("./doc/imgs/11.jpg", 'rb').read())]}
-headers = {"Content-type": "application/json"}
-# url = "http://127.0.0.1:8866/predict/ocr_det"
-# url = "http://127.0.0.1:8866/predict/ocr_rec"
-url = "http://127.0.0.1:8866/predict/ocr_system"
-r = requests.post(url=url, headers=headers, data=json.dumps(data))
-
-# 打印预测结果
-print(r.json()["results"])
-```
-
-你可能需要根据实际情况修改```url```字符串中的端口号和服务模块名称。  
-
-上面所示代码都已写入测试脚本，可直接运行命令：```python tools/test_hubserving.py```
-
-## 自定义修改服务模块
-如果需要修改服务逻辑，你一般需要操作以下步骤：  
-
-1、 停止服务  
-```hub serving stop -m ocr_system```  
-
-2、 到相应的module.py文件中根据实际需求修改代码  
-
-3、 卸载旧服务包  
-```hub uninstall ocr_system```  
-
-4、 安装修改后的新服务包  
-```hub install deploy/hubserving/ocr_system/```  
-
diff --git a/deploy/hubserving/ocr_det/.ipynb_checkpoints/params-checkpoint.py b/deploy/hubserving/ocr_det/.ipynb_checkpoints/params-checkpoint.py
deleted file mode 100644
index 0d32c1f51b23d72379361fb504b33558c52d783c..0000000000000000000000000000000000000000
--- a/deploy/hubserving/ocr_det/.ipynb_checkpoints/params-checkpoint.py
+++ /dev/null
@@ -1,41 +0,0 @@
-# -*- coding:utf-8 -*-
-from __future__ import absolute_import
-from __future__ import division
-from __future__ import print_function
-
-
-class Config(object):
-    pass
-
-
-def read_params():
-    cfg = Config()
-    
-    #params for text detector
-    cfg.det_algorithm = "DB"
-    # cfg.det_model_dir = "./inference/ch_det_mv3_db/"
-    cfg.det_model_dir = "./inference/det/"
-    cfg.det_max_side_len = 960
-
-    #DB parmas
-    cfg.det_db_thresh =0.3
-    cfg.det_db_box_thresh =0.5
-    cfg.det_db_unclip_ratio =2.0
-
-    # #EAST parmas
-    # cfg.det_east_score_thresh = 0.8
-    # cfg.det_east_cover_thresh = 0.1
-    # cfg.det_east_nms_thresh = 0.2
-
-    # #params for text recognizer
-    # cfg.rec_algorithm = "CRNN"
-    # # cfg.rec_model_dir = "./inference/ch_det_mv3_crnn/"
-    # cfg.rec_model_dir = "./inference/rec/"
-
-    # cfg.rec_image_shape = "3, 32, 320"
-    # cfg.rec_char_type = 'ch'
-    # cfg.rec_batch_num = 30
-    # cfg.rec_char_dict_path = "./ppocr/utils/ppocr_keys_v1.txt"
-    # cfg.use_space_char = True
-
-    return cfg
\ No newline at end of file