diff --git a/docs/source_zh_cn/constraints_on_network_construction.md b/docs/source_zh_cn/constraints_on_network_construction.md
index b7a6d5cd0b3cd6a59fa99dd889b78260e7066897..42fd829e95400de081fafd01f10a895411f8b4d6 100644
--- a/docs/source_zh_cn/constraints_on_network_construction.md
+++ b/docs/source_zh_cn/constraints_on_network_construction.md
@@ -41,7 +41,7 @@
 | 操作名          | 具体操作 
 | :-----------    |:--------
 | 一元操作符      |`+`、`-`、`not`，其中`+`操作符只支持标量。
-| 二元操作符      |`+`、`-`、`*`、`/`、`%`
+| 数学表达式      |`+`、`-`、`*`、`/`、`%`、`**`、`//`
 | `if`表达式      |例如`a = x if x < y else y`。
 | 比较表达式      | `>`、`>=`、`<`、`<=`、`==`、`!=`
 | 逻辑表达式      | `and`、 `or`
@@ -55,6 +55,8 @@
 | `for`        | 迭代序列必须是Tuple/List，部分嵌套场景支持。
 | `while`      | 部分嵌套场景支持。
 | `if`         | 与Python使用原则一致，但if条件的输入只支持常量。
+| `in`         | 仅支持Dictionary
+| `not in`     | 仅支持Dictionary
 | `def`        | 相同。
 | 赋值语句      | List和Dictionary的多重下标访问不支持作为左值。
 
@@ -67,7 +69,7 @@
 
 ### 函数参数
 *  参数默认值：目前不支持默认值设为`Tensor`类型数据，支持`int`、`float`、`bool`、`None`、`str`、`tuple`、`list`、`dict`类型数据。
-*  可变参数：目前不支持带可变参数的函数求反向。
+*  可变参数：支持带可变参数网络的推理和训练。
 *  键值对参数：目前不支持带键值对参数的函数求反向。
 *  可变键值对参数：目前不支持带可变键值对的函数求反向。
 
@@ -75,10 +77,13 @@
 
 | 运算符         | 支持类型
 | :----------- |:--------
-| `+`          |标量、`Tensor`、`tuple`
+| `+`          |标量、`Tensor`、`tuple`、`string`
 | `-`          |标量、`Tensor`
 | `*`          |标量、`Tensor`
 | `/`          |标量、`Tensor`
+| `**`         |标量、`Tensor`
+| `//`         |标量、`Tensor`
+| `%`          |标量、`Tensor`
 | `[]`         |操作对象类型支持`list`、`tuple`、`Tensor`，支持多重下标访问作为右值，但不支持多重下标访问作为左值，且索引类型不支持Tensor；Tuple、Tensor类型访问限制见切片操作中的说明。
 
 ### 切片操作
@@ -104,7 +109,9 @@
    - `step0`：在第0维上进行切片的步长，类型为`int`，取值范围为`step != 0`。可缺省，缺省值为`1`。
    - 如果进行切片的维数少于`Tensor`的维数，则未指定切片的维度默认取全部元素。
    - 切片降维操作：在某维度上传入整数索引，则取出该维度上对应索引的元素，且消除该维度，如shape为(4, 3, 6)的`tensor_x[2:4:1, 1, 0:5:2]`切片之后，生成一个shape为(2, 3)的`Tensor`，原`Tensor`的第1维被消除。
-
+   - Ellipsis作为索引：与numpy保持一致，未明确指定如何操作的维度，都对应取全部元素，shape为(3, 4, 5, 6)的`tensor_x[1:3:1, ..., 0:5:2]`切片之后，第1维和第2维取全部元素，生成一个shape为（2， 4， 5， 3）的`Tensor`。
+   - None作为索引：与numpy保持一致，如shape为(3, 4, 5)的`tensor_x[None]`返回的是一个维度扩展之后,shape为(1, 3, 4, 5)的`Tensor`。
+   - True作为索引：与numpy保持一致，如shape为(3, 4, 5)的`tensor_x[True]`返回的是一个维度扩展之后,shape为(1, 3, 4, 5)的`Tensor`。
 ### 不支持的语法
 
 目前在网络构造函数里面暂不支持以下语法：