diff --git a/docs/install.md b/docs/install.md
index a59a73154b..efa5beb532 100644
--- a/docs/install.md
+++ b/docs/install.md
@@ -26,8 +26,7 @@ conda install pytorch torchvision -c pytorch
 Note: Make sure that your compilation CUDA version and runtime CUDA version match.
 You can check the supported CUDA version for precompiled packages on the [PyTorch website](https://pytorch.org/).
 
-`E.g. 1` If you have CUDA 10.1 installed under `/usr/local/cuda` and would like to install
-PyTorch 1.5, you need to install the prebuilt PyTorch with CUDA 10.1.
+`E.g. 1` If you have CUDA 10.1 installed under `/usr/local/cuda`, you need to install the prebuilt PyTorch with CUDA 10.1.
 
 ```python
 conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
diff --git a/docs_zh-CN/install.md b/docs_zh-CN/install.md
index b404a0fd1c..1ec804f4e8 100644
--- a/docs_zh-CN/install.md
+++ b/docs_zh-CN/install.md
@@ -1,6 +1,6 @@
 ## 依赖
 
-- Linux (目前 Windows 不是官方支持)
+- Linux (目前 Windows 暂无官方支持)
 - Python 3.6+
 - PyTorch 1.3 或更高
 - CUDA 9.0 或更高
@@ -12,50 +12,62 @@
 
 a. 创建并激活 conda 虚拟环境，如：
 
-```shell script
+```shell
 conda create -n open-mmlab python=3.7 -y
 conda activate open-mmlab
 ```
+
 b. 按照 [PyTorch 官方文档](https://pytorch.org/) 安装 PyTorch 和 torchvision，如：
 
-```shell script
+```shell
 conda install pytorch torchvision -c pytorch
 ```
-注意：确保你的 CUDA 编译版本和 CUDA 运行版本相匹配。 用户可以参照 [PyTorch 官网](https://pytorch.org/) 对预编译包所支持的 CUDA 版本进行核对。
 
-`例1`：如果你在 `/usr/local/cuda` 文件夹下已安装了 CUDA 10.1 版本，并且想要安装 PyTorch 1.5 版本，则需要安装 CUDA 10.1 下预编译的 PyTorch。
-```shell script
+注：确保 CUDA 编译版本和 CUDA 运行版本相匹配。 用户可以参照 [PyTorch 官网](https://pytorch.org/) 对预编译包所支持的 CUDA 版本进行核对。
+
+`例1`：如果 `/usr/local/cuda` 文件夹下已安装了 CUDA 10.1 版本，则需要安装 CUDA 10.1 下预编译的 PyTorch。
+
+```shell
 conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
 ```
+
 `例2`：如果你在 `/usr/local/cuda` 文件夹下已安装 CUDA 9.2 版本，并且想要安装 PyTorch 1.3.1 版本，则需要安装 CUDA 9.2 下预编译的 PyTorch。
-```shell script
+```shell
 conda install pytorch=1.3.1 cudatoolkit=9.2 torchvision=0.4.2 -c pytorch
 ```
+
 如果你从源码编译 PyTorch 而不是安装的预编译版本的话，你可以使用更多 CUDA 版本（例如9.0）。
 
 c. 克隆 MMEditing 仓库
-```shell script
+
+```shell
 git clone https://github.com/open-mmlab/mmediting.git
 cd mmediting
 ```
 
 d. 安装相关依赖和 MMEditing
-```shell script
+
+```shell
 pip install -r requirements.txt
 pip install -v -e .  # or "python setup.py develop"
 ```
+
 如果你是在 macOS 环境下安装，则需将上述命令的最后一行替换为：
-```shell script
+
+```shell
 CC=clang CXX=clang++ CFLAGS='-stdlib=libc++' pip install -e .
 ```
-注意：
+
+注：
 1. git commit 的 id 将会被写到版本号中，如 0.6.0+2e7045c。这个版本号也会被保存到训练好的模型中。 推荐用户每次在对本地代码和 github 上的源码进行同步后，执行一次步骤 b。如果 C++/CUDA 代码被修改，就必须进行这一步骤。
-> 重要：如果你在一个新的 CUDA/PyTorch 版本下重新安装了 mmedit ，请确保删除了`./build`文件夹
-```shell script
-pip uninstall mmedit
-rm -rf ./build
-find . -name "*.so" | xargs rm
-```
+
+    > 重要：如果你在一个新的 CUDA/PyTorch 版本下重新安装了 mmedit ，请确保删除了`./build`文件夹
+    ```shell
+    pip uninstall mmedit
+    rm -rf ./build
+    find . -name "*.so" | xargs rm
+    ```
+
 2. 根据上述步骤， MMEditing 就会以 `dev` 模式被安装，任何本地的代码修改都会立刻生效，不需要再重新安装一遍（除非用户提交了 commits，并且想更新版本号）。
 
 3. 如果用户想使用 `opencv-python-headless` 而不是 `opencv-python`，可在安装 `MMCV` 前安装 `opencv-python-headless`。
@@ -64,6 +76,7 @@ find . -name "*.so" | xargs rm
 如需要，请通过 `pip install -r requirements.txt` 命令来安装 `mmcv-full`，安装过程中会在本地编译 CUDA 算子，这个过程大概需要10分钟。
 另一种方案是安装预编译版本的 `mmcv-full`，请参考 [MMCV 主页](https://github.com/open-mmlab/mmcv#install-with-pip) 获取具体的安装指令。
 此外，如果你要使用的模型不依赖于 CUDA 算子，那么也可以使用 `pip install mmcv`来安装轻量版本的 mmcv，其中 CUDA 算子被移除了。
+
 ## CPU 环境下的安装步骤
 
 MMEditing 也可以在只有 CPU 的环境下安装（即无法使用 GPU 的环境）。
@@ -76,18 +89,21 @@ MMEditing 也可以在只有 CPU 的环境下安装（即无法使用 GPU 的环
 ## 利用 Docker 镜像安装 MMEditing
 
 MMEditing 提供了一个 [Dockerfile](https://github.com/open-mmlab/mmediting/blob/master/docker/Dockerfile) 来创建 docker 镜像
-```shell script
+
+```shell
 # build an image with PyTorch 1.5, CUDA 10.1
 docker build -t mmediting docker/
 ```
+
 运行以下命令：
-```shell script
+
+```shell
 docker run --gpus all --shm-size=8g -it -v {DATA_DIR}:/mmediting/data mmediting
 ```
 
 ## 完整的安装脚本
 
-```shell script
+```shell
 conda create -n open-mmlab python=3.7 -y
 conda activate open-mmlab