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 47b209bf6761955329a567c4fc723f29eab04081..c0692d6cd88f520248f24714463b2ecfad2aec72 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"
@@ -504,15 +504,15 @@ benchmark工具为华为自研的模型推理工具，支持多种模型的离
 >![](https://gitee.com/wangjiangben_hw/ascend-pytorch-crowdintelligence-doc/raw/master/public_sys-resources/icon-note.gif) 
  **说明：** 
 >
-> -model_type为benchmark支持的模型类型，目前支持的有vision，nmt，widedeep，nlp，yolocaffe，bert，deepfm
-> -device_id是指运行在ascend 310的哪个device上，每张ascend 310卡有4个device
-> -batch_size是指om模型的batch大小，该值应与om模型的batch大小相同，否则报输入大小不一致的错误
-> -om_path是om模型文件路径
-> -input_text_path为包含数据集每个样本的路径与其相关信息的数据集信息文件路径
-> -input_height为输入高度
-> -input_width为输入宽度
-> -output_binary为以预处理后的数据集为输入，benchmark工具推理om模型的输出数据保存为二进制还是txt，但对于输出是int64类型的节点时，指定输出为txt时会将float类型的小数转换为0而出错
-> -useDvpp为是否使用aipp进行数据集预处理
+> -model_type为benchmark支持的模型类型，目前支持的有vision，nmt，widedeep，nlp，yolocaffe，bert，deepfm  
+> -device_id是指运行在ascend 310的哪个device上，每张ascend 310卡有4个device  
+> -batch_size是指om模型的batch大小，该值应与om模型的batch大小相同，否则报输入大小不一致的错误  
+> -om_path是om模型文件路径  
+> -input_text_path为包含数据集每个样本的路径与其相关信息的数据集信息文件路径  
+> -input_height为输入高度  
+> -input_width为输入宽度  
+> -output_binary为以预处理后的数据集为输入，benchmark工具推理om模型的输出数据保存为二进制还是txt，但对于输出是int64类型的节点时，指定输出为txt时会将float类型的小数转换为0而出错  
+> -useDvpp为是否使用aipp进行数据集预处理  
 
  输出结果默认保存在当前目录result/dumpOutput_device{device_id}，性能数据默认保存在result/perf_{vision}_batchsize_{16}_device_{0}.txt。模型只有一个名为class的输出，shape为bs * 1000，数据类型为FP32，对应1000个分类的预测结果，每个输入的输出对应一个{input}_1.bin文件。此外，如果模型有三个输出，则三个输出分别对应{input}_1.bin，{input}_2.bin，{input}_3.bin。