diff --git "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\216\257\345\242\203\351\203\250\347\275\262\344\270\216\344\275\277\347\224\250\350\257\264\346\230\216.md" "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\216\257\345\242\203\351\203\250\347\275\262\344\270\216\344\275\277\347\224\250\350\257\264\346\230\216.md"
index 214b0c94bb0308082a30c0bc0c069e1bb0bacdb5..c498c327de6c47271c0de93f29f1361649a2e3b8 100644
--- "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\216\257\345\242\203\351\203\250\347\275\262\344\270\216\344\275\277\347\224\250\350\257\264\346\230\216.md"
+++ "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\216\257\345\242\203\351\203\250\347\275\262\344\270\216\344\275\277\347\224\250\350\257\264\346\230\216.md"
@@ -1,9 +1,9 @@
 # 310服务器部署与说明
 - CANN包安装  
-  - 1.获取CANN包  
+  - 1.获取CANN包，优先选择商业版  
     https://www.hiascend.com/software/cann/community  
   - 2.卸载老CANN包  
-    bash A300-3000-3010-npu-firmware_1.77.22.6.220.run --uninstall  
+    bash A300-3010-npu-driver_21.0.1_ubuntu18.04-x86_64.run --uninstall  
     rm -rf /usr/local/Ascend  
     reboot  
   - 3.安装CANN包  
@@ -11,7 +11,7 @@
     bash A300-3000-3010-npu-firmware_1.77.22.6.220.run --full  
     reboot  
     bash Ascend-cann-toolkit_5.0.1_linux-x86_64.run --install  
-  - 4.获取benchmark工具  
+  - 4.获取benchmark工具与脚本  
     unzip Ascend-cann-benchmark_5.0.1-Linux-x86_64.zip  
 
   >**说明：** 
diff --git "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md" "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md"
index 1ab0325c3176c33d01d20c29aadd69f0a18c543e..98a95ae08cee7e047d6050e4a1d5d9178e9d66ef 100644
--- "a/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md"
+++ "b/Ascend-PyTorch\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274/PyTorch\347\246\273\347\272\277\346\216\250\347\220\206-\347\246\273\347\272\277\346\216\250\347\220\206\346\214\207\345\257\274.md"
@@ -1,7 +1,7 @@
 # Ascend PyTorch模型离线推理指导
 -   [1 概述](#1-概述)
 	-   [1.1 原理与方案](#11-原理与方案)
-	-   [1.2 环境搭建](#12-环境搭建)
+	-   [1.2 环境搭建与说明](#12-环境搭建与说明)
 -   [2 推理指导](#2-推理指导)
 	-   [2.1 推理流程](#21-推理流程)
 	    -   [2.1.1 导出onnx文件](#211-导出onnx文件)
@@ -15,20 +15,20 @@
 	-   [2.4 性能优化指导](#24-性能优化指导)
 -   [3 附录](#4-附录)
 	-   [3.1 模型案例](#31-模型案例)
-	-   [3.2 交付标准与交付件规范](#32-交付标准与交付件规范)
+	-   [3.2 交付标准与规范](#32-交付标准与规范)
 	-   [3.3 深度学习指导](#33-深度学习指导)
 
 
 
-
 ## 1 概述
 
 -   **[原理与方案](#11-原理与方案)**  
 
--   **[环境搭建](#12-环境搭建)**  
+-   **[环境搭建与说明](#12-环境搭建与说明)**  
 
 
 ### 1.1 原理与方案
+
 - 精度性能要求
 
  Ascend PyTorch模型离线推理目标是pytorch模型在npu Ascend 310卡上离线推理的精度与gpu T4卡上推理精度一致，推理性能超过T4。  
@@ -41,59 +41,42 @@
 ![](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/raw/master/figures/pyotrch_offline_infer.png) 
 
 
-### 1.2 环境搭建
+### 1.2 环境搭建与说明
 
-**Ascend相关文档与软件发布在华为云[support地址](https://support.huawei.com/enterprise/zh/category/ascend-computing-pid-1557196528909)CANN和A300-3010**
+**Ascend CANN软件与使用指南文档均发布在华为云[support地址](https://support.huawei.com/enterprise/zh/category/ascend-computing-pid-1557196528909)CANN和A300-3010**
 
 >![](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/raw/master/public_sys-resources/icon-note.gif) 
 **说明：** 
-> **若使用搭建完成的环境，可跳过此步骤。一般情况下，华为默认会提供搭建完成的环境。**
-
+> **若使用搭建完成的环境，可跳过此步骤。一般情况下，华为默认会提供搭建完成的[部署环境](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/blob/master/Ascend-PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86%E6%8C%87%E5%AF%BC/PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86-%E7%8E%AF%E5%A2%83%E9%83%A8%E7%BD%B2%E4%B8%8E%E4%BD%BF%E7%94%A8%E8%AF%B4%E6%98%8E.md)。**
 
-1. Ascend的run包安装。
-    -   在Ascend NPU系列设备上部署开发环境，请参考[《CANN V100R020C10 软件安装指南》](https://support.huawei.com/enterprise/zh/doc/EDOC1100164870/59fb2d06)的“获取软件包”和”安装开发环境“章节，完成安装前准备。
+**开发者需要根据[机器申请与使用指南](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/blob/master/Ascend-PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86%E6%8C%87%E5%AF%BC/PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86-%E6%9C%BA%E5%99%A8%E7%94%B3%E8%AF%B7%E4%B8%8E%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97.md)的要求申请与使用机器** 
 
-   -   请参考[《CANN V100R020C10 软件安装指南》](https://support.huawei.com/enterprise/zh/doc/EDOC1100164870/59fb2d06)的”安装昇腾芯片驱动和固件“ -\>“安装开发套件和框架插件包”章节，完成安装。
-
-    >![](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/raw/master/public_sys-resources/icon-note.gif) **说明：** 
-    >
-    >安装驱动和固件需要root用户，若使用默认路径安装：
-    >
-    > ps. 如升级run包，建议 ./A300-3010-npu-driver\_\{version\}\_centos7.6-gcc4.8.5-x86_64.run --uninstall;rm -rf /usr/local/Ascend;reboot
-    >
-    >安装驱动：./A300-3010-npu-driver\_\{version\}\_centos7.6-gcc4.8.5-x86_64.run --full --quiet
-    >
-    >安装固件：./A300-3010-npu-firmware-\{version\}.run --full --quiet
-    >
-    >安装CANN包：./Ascend-cann-toolkit-\{version\}-linux-x86_64.run --install --quiet
-   >
-   >解压Ascend-cann-benchmark_\{version\}-Linux-x86_64.zip，获取benchmark工具与脚本
-   >
-   >若报无HwHiAiUser用户则执行useradd HwHiAiUser，安装固件若报Not a physical-machine, firmware upgrade does not support.则不必安装固件，若报错ls: cannot access '/usr/local/Ascend/ascend-toolkit/5.0.1/x86_64-linux/toolkit/python/site-packages/bin': No such file or directory则export PATH=/usr/local/python3.7.5/bin:￥PATH;export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:￥LD_LIBRARY_PATH。安装驱动需要重启。
-
-2. 深度学习框架与第三方库
+深度学习框架与第三方库
 
 ```
+python3.7.5
+
 pytorch >= 1.5.0
-torchvision == 0.7.0
+torchvision == 0.6.0
 onnx == 1.7.0
-onnxruntime == 1.5.2
-onnxoptimizer == 0.1.1
 
-numpy == 1.18.5
-Pillow == 7.2.0
-opencv-python == 4.2.0.34
+onnxruntime
+onnxoptimizer
+
+numpy
+Pillow
+opencv-python
 ```
 >![](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/raw/master/public_sys-resources/icon-note.gif) 
 **说明：** 
 > 
-> X86架构：pytorch和torchvision可以通过官方下载whl包安装，其他可以通过pip install 包名 安装
+> X86架构：pytorch和torchvision可以通过官方下载whl包安装，其他可以通过pip3.7 install 包名 安装
 >
-> Arm架构：pytorch，torchvision和opencv可以通过github下载源码编译安装，其他可以通过pip install 包名 安装
+> Arm架构：pytorch，torchvision和opencv可以通过github下载源码编译安装，其他可以通过pip3.7 install 包名 安装
 >
-> 以上为多数网络需要安装的软件与推荐的版本，根据实际情况安装。如果python脚本运行过程中import 模块失败，安装相应模块即可，如果报错是缺少动态库，网上搜索报错信息找到相应安装包，执行yum install 包名安装即可
+> 以上为多数网络需要安装的软件与推荐的版本，根据实际情况安装。如果python脚本运行过程中import 模块失败，安装相应模块即可，如果报错是缺少动态库，网上搜索报错信息找到相应安装包，执行apt-get install 包名安装即可
+
 
-[机器申请与使用指南](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/blob/master/Ascend-PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86%E6%8C%87%E5%AF%BC/PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86-%E6%9C%BA%E5%99%A8%E7%94%B3%E8%AF%B7%E4%B8%8E%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97.md)
 
 ## 2 推理指导
 
@@ -105,9 +88,13 @@ opencv-python == 4.2.0.34
 
 -   **[性能换指导](#24-性能换指导)**  
 
+
 ### 2.1 推理流程
+
 以EfficientNet-b0为例介绍端到端推理涉及到的所有流程
+
 #### 2.1.1 导出onnx文件
+
  - 获取pytorch模型代码与权重文件
  基于PyTorch框架的EfficientNet模型代码与pth权重文件可以从开源[github网址](https://github.com/lukemelas/EfficientNet-PyTorch)获取
 >![](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/raw/master/public_sys-resources/icon-note.gif) 
@@ -602,7 +589,7 @@ bs16 310单卡吞吐率：524.094x4=2096.376fps/card
 
  batch1性能：
 ```
-trtexec --onnx=efficientnet-b0-sim.onnx --fp16 --shapes=image:1x3x224x224 --threads
+trtexec --onnx=efficientnet-b0-sim.onnx --fp16 --shapes=image:1x3x224x224
 ```
 gpu T4是4个device并行执行的结果，mean是时延（tensorrt的时延是batch个数据的推理时间），即吞吐率的倒数乘以batch
 ```
@@ -618,7 +605,7 @@ batch1 t4单卡吞吐率：1000/(1.31054/1)=763.044fps
 
  batch16性能：
 ```
-trtexec --onnx=efficientnet-b0_sim.onnx --fp16 --shapes=image:16x3x224x224 --threads
+trtexec --onnx=efficientnet-b0_sim.onnx --fp16 --shapes=image:16x3x224x224
 ```
 ```
 [03/24/2021-03:57:22] [I] GPU Compute
@@ -703,14 +690,14 @@ profiling也会统计每个算子耗时，结合使用netron查看onnx模型结
 ## 3 附录
 
 -   **[模型案例](#31-模型案例)**  
--   **[交付标准与交付件规范](#32-交付标准与交付件规范)**  
+-   **[交付标准与规范](#32-交付标准与规范)**  
 -   **[深度学习指导](#33-深度学习指导)**  
 
 ### 3.1 模型案例
 [模型案例](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/blob/master/Ascend-PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86%E6%8C%87%E5%AF%BC/PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86-%E6%A8%A1%E5%9E%8B%E6%A1%88%E4%BE%8B.md)
     
-### 3.2 交付标准与交付件规范
-[交付标准与交付件规范](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/blob/master/Ascend-PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86%E6%8C%87%E5%AF%BC/PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86-%E4%BA%A4%E4%BB%98%E6%A0%87%E5%87%86%E4%B8%8E%E4%BA%A4%E4%BB%98%E4%BB%B6.md)
+### 3.2 交付标准与规范
+**[交付标准与规范](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/blob/master/Ascend-PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86%E6%8C%87%E5%AF%BC/PyTorch%E7%A6%BB%E7%BA%BF%E6%8E%A8%E7%90%86-%E4%BA%A4%E4%BB%98%E6%A0%87%E5%87%86%E4%B8%8E%E4%BA%A4%E4%BB%98%E4%BB%B6.md)**
 
 ### 3.3 深度学习指导
 - 书籍推荐