PaddlePaddle · dingjiaweiww · Sep 27, 2022 · Sep 27, 2022
diff --git a/docs/install/FAQ.md b/docs/install/FAQ.md
@@ -63,9 +63,9 @@
 
       > 是的。我们的 Docker image 运行一个 [Bash 脚本](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/scripts/paddle_build.sh)。这个脚本调用`make -j$(nproc)` 来启动和 CPU 核一样多的进程来并行编译。
 
-- 在 Windows/macOS 上编译很慢？
+- 在 Windows/MacOS 上编译很慢？
 
-      > Docker 在 Windows 和 macOS 都可以运行。不过实际上是运行在一个 Linux 虚拟机上。可能需要注意给这个虚拟机多分配一些 CPU 和内存，以保证编译高效。具体做法请参考[issue627](https://github.com/PaddlePaddle/Paddle/issues/627)。
+      > Docker 在 Windows 和 MacOS 都可以运行。不过实际上是运行在一个 Linux 虚拟机上。可能需要注意给这个虚拟机多分配一些 CPU 和内存，以保证编译高效。具体做法请参考[issue627](https://github.com/PaddlePaddle/Paddle/issues/627)。
 
 - 磁盘不够？
 
@@ -89,7 +89,7 @@
 
 <a name="MACPRO"></a>
 
-- macOS 下安装 PaddlePaddle 后 import paddle.fluid 出现`Fatal Python error: PyThreadState_Get: no current thread running`错误
+- MacOS 下安装 PaddlePaddle 后 import paddle.fluid 出现`Fatal Python error: PyThreadState_Get: no current thread running`错误
 
       - For Python2.7.x （install by brew): 请使用`export LD_LIBRARY_PATH=/usr/local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7 && export DYLD_LIBRARY_PATH=/usr/local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7`
       - For Python2.7.x （install by Python.org): 请使用`export LD_LIBRARY_PATH=/Library/Frameworks/Python.framework/Versions/2.7 && export DYLD_LIBRARY_PATH=/Library/Frameworks/Python.framework/Versions/2.7`

diff --git a/docs/install/FAQ_en.md b/docs/install/FAQ_en.md
@@ -59,7 +59,7 @@
 
 - Why use Docker?
 
-    > Installing the tools and configurations in a Docker image standardizes the build environment. This way, if you encounter problems, others can reproduce the problem to help. In addition, for developers accustomed to using Windows and macOS, there is no need to configure a cross-compilation environment using Docker.
+    > Installing the tools and configurations in a Docker image standardizes the build environment. This way, if you encounter problems, others can reproduce the problem to help. In addition, for developers accustomed to using Windows and MacOS, there is no need to configure a cross-compilation environment using Docker.
 
 - Can I choose not to use Docker?
 
@@ -86,9 +86,9 @@
 
     > If you develop with your own computer, you will naturally have admin privileges (sudo). If you are developing from a public computer, you need to ask the administrator to install and configure Docker. In addition, the PaddlePaddle project is working hard to support other container technologies that don't require sudo, such as rkt.
 
-- Is compiling slow on Windows/macOS?
+- Is compiling slow on Windows/MacOS?
 
-    > Docker runs on both Windows and macOS. However, it is actually running on a Linux virtual machine. It may be necessary to pay attention to allocate more CPU and memory to this virtual machine to ensure efficient compilation. Please refer to [issue627](https://github.com/PaddlePaddle/Paddle/issues/627) for details.
+    > Docker runs on both Windows and MacOS. However, it is actually running on a Linux virtual machine. It may be necessary to pay attention to allocate more CPU and memory to this virtual machine to ensure efficient compilation. Please refer to [issue627](https://github.com/PaddlePaddle/Paddle/issues/627) for details.
 
 - Not enough disk?
 
@@ -109,7 +109,7 @@
     > The main reason for this problem is that your graphics card driver is lower than the corresponding CUDA version. Please ensure that your graphics card driver supports the CUDA version used.
 
 
-- `Fatal Python error: PyThreadState_Get: no current thread running` error occurs when importing paddle.fluid after installing PaddlePaddle on macOS.
+- `Fatal Python error: PyThreadState_Get: no current thread running` error occurs when importing paddle.fluid after installing PaddlePaddle on MacOS.
 
 
     - For Python2.7.x (install by brew): Please use `export LD_LIBRARY_PATH=/usr/local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7 && export DYLD_LIBRARY_PATH=/usr/ Local/Cellar/python@2/2.7.15_1/Frameworks/Python.framework/Versions/2.7`

diff --git a/docs/install/Tables.md b/docs/install/Tables.md
diff --git a/docs/install/Tables_en.md b/docs/install/Tables_en.md
diff --git a/docs/install/compile/fromsource.rst b/docs/install/compile/fromsource.rst
@@ -2,7 +2,7 @@
 **从源码编译**
 ===========================
 
-..  toctree::
+..    toctree::
     :maxdepth: 1
 
     linux-compile.md
@@ -11,4 +11,3 @@
     arm-compile.md
     sw-compile.md
     zhaoxin-compile.md
-    mips-compile.md
diff --git a/docs/install/compile/fromsource_en.rst b/docs/install/compile/fromsource_en.rst
@@ -4,7 +4,7 @@
 
 You can also choose to compile and install PaddlePaddle in the way of source code compilation. However, due to the diversity of the native environment, complicated problems may occur when compiling the source code, which may cause your installation to fail. In order to ensure your smooth installation, it is recommended that you prefer the normal installation method.
 
-..  toctree::
+..    toctree::
 
 
     linux-compile_en.md

diff --git a/docs/install/compile/linux-compile.md b/docs/install/compile/linux-compile.md
@@ -4,11 +4,11 @@
 
 * **Linux 版本 (64 bit)**
     * **CentOS 6 (不推荐，不提供编译出现问题时的官方支持)**
-    * **CentOS 7 (GPU 版本支持 CUDA 10.1/10.2/11.0/11.1/11.2)**
+    * **CentOS 7 (GPU 版本支持 CUDA 10.1/10.2/11.1/11.2/11.6)**
     * **Ubuntu 14.04 (不推荐，不提供编译出现问题时的官方支持)**
-    * **Ubuntu 16.04 (GPU 版本支持 CUDA 10.1/10.2/11.0/11.1/11.2)**
-    * **Ubuntu 18.04 (GPU 版本支持 CUDA 10.1/10.2/11.0/11.1/11.2)**
-* **Python 版本 3.6/3.7/3.8/3.9 (64 bit)**
+    * **Ubuntu 16.04 (GPU 版本支持 CUDA 10.1/10.2/11.1/11.2/11.6)**
+    * **Ubuntu 18.04 (GPU 版本支持 CUDA 10.1/10.2/11.1/11.2/11.6)**
+* **Python 版本 3.6/3.7/3.8/3.9/3.10 (64 bit)**
 
 ## 选择 CPU/GPU
 
@@ -17,9 +17,9 @@
 * 如果您的计算机有 NVIDIA® GPU，请确保满足以下条件以编译 GPU 版 PaddlePaddle
 
     * **CUDA 工具包 10.1/10.2 配合 cuDNN 7 (cuDNN 版本>=7.6.5, 如需多卡支持，需配合 NCCL2.7 及更高)**
-    * **CUDA 工具包 11.0 配合 cuDNN v8.0.4(如需多卡支持，需配合 NCCL2.7 及更高)**
     * **CUDA 工具包 11.1 配合 cuDNN v8.1.1(如需多卡支持，需配合 NCCL2.7 及更高)**
     * **CUDA 工具包 11.2 配合 cuDNN v8.1.1(如需多卡支持，需配合 NCCL2.7 及更高)**
+    * **CUDA 工具包 11.6 配合 cuDNN v8.4.0(如需多卡支持，需配合 NCCL2.7 及更高)**
     * **GPU 运算能力超过 3.5 的硬件设备**
 
         您可参考 NVIDIA 官方文档了解 CUDA 和 CUDNN 的安装流程和配置方法，请见[CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)，[cuDNN](https://docs.nvidia.com/deeplearning/sdk/cudnn-install/)
@@ -129,13 +129,19 @@ cd Paddle
 cd /paddle
 ```
 
-#### 6. 切换到 develop 版本进行编译：
+#### 6. 切换到较稳定版本下进行编译：
 
 ```
-git checkout develop
+git checkout [分支名]
 ```
 
-注意：python3.6、python3.7 版本从 release/1.2 分支开始支持, python3.8 版本从 release/1.8 分支开始支持, python3.9 版本从 release/2.1 分支开始支持
+例如：
+
+```
+git checkout release/2.3
+```
+
+注意：python3.6、python3.7 版本从 release/1.2 分支开始支持, python3.8 版本从 release/1.8 分支开始支持, python3.9 版本从 release/2.1 分支开始支持, python3.10 版本从 release/2.3 分支开始支持
 
 #### 7. 创建并进入/paddle/build 路径下：
 
@@ -151,7 +157,7 @@ mkdir -p /paddle/build && cd /paddle/build
 pip3.7 install protobuf
 ```
 
-注意：以上用 Python3.7 命令来举例，如您的 Python 版本为 3.6/3.8/3.9，请将上述命令中的 pip3.7 改成 pip3.6/pip3.8/pip3.9
+注意：以上用 Python3.7 命令来举例，如您的 Python 版本为 3.6/3.8/3.9/3.10，请将上述命令中的 pip3.7 改成 pip3.6/pip3.8/pip3.9/pip3.10
 
 - 安装 patchelf，PatchELF 是一个小而实用的程序，用于修改 ELF 可执行文件的动态链接器和 RPATH。
 
@@ -203,7 +209,7 @@ pip3.7 install -U [whl 包的名字]
 ```
 
 注意：
-以上用 Python3.7 命令来举例，如您的 Python 版本为 3.6/3.8/3.9，请将上述命令中的 pip3.7 改成 pip3.6/pip3.8/pip3.9。
+以上用 Python3.7 命令来举例，如您的 Python 版本为 3.6/3.8/3.9/3.10，请将上述命令中的 pip3.7 改成 pip3.6/pip3.8/pip3.9/pip3.10。
 
 #### 恭喜，至此您已完成 PaddlePaddle 的编译安装。您只需要进入 Docker 容器后运行 PaddlePaddle，即可开始使用。更多 Docker 使用请参见[Docker 官方文档](https://docs.docker.com)
 
@@ -219,7 +225,7 @@ uname -m && cat /etc/*release
 
 #### 2. 更新系统源
 
-* CentOS 环境
+* Centos 环境
 
     更新`yum`的源：
 
@@ -246,7 +252,7 @@ uname -m && cat /etc/*release
 
 * 如果您需要使用 GPU 多卡，请确保您已经正确安装 nccl2，或者按照以下指令安装 nccl2（这里提供的是 CUDA10.2，cuDNN7 下 nccl2 的安装指令，更多版本的安装信息请参考 NVIDIA[官方网站](https://developer.nvidia.com/nccl)）:
 
-    * **CentOS 系统可以参考以下命令**
+    * **Centos 系统可以参考以下命令**
 
         ```
         wget http://developer.download.nvidia.com/compute/machine-learning/repos/rhel7/x86_64/nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm
@@ -280,7 +286,7 @@ uname -m && cat /etc/*release
 
 #### 4. 安装必要的工具
 
-* CentOS 环境
+* Centos 环境
 
     `bzip2`以及`make`：
 
@@ -378,13 +384,13 @@ uname -m && cat /etc/*release
 
     (请参照 Python 官方流程安装, 并保证拥有 20.2.2 及以上的 pip3 版本，请注意，python3.6 及以上版本环境下，pip3 并不一定对应 python 版本，如 python3.7 下默认只有 pip3.7）
 
-* c.（Only For Python3）设置 Python3 相关的环境变量，这里以 python3.7 版本示例，请替换成您使用的版本（3.6、3.8、3.9）：
+* c.（Only For Python3）设置 Python3 相关的环境变量，这里以 python3.7 版本示例，请替换成您使用的版本（3.6、3.8、3.9、3.10）：
 
     1. 首先使用
         ```
         find `dirname $(dirname $(which python3))` -name "libpython3.so"
         ```
-        找到 Python lib 的路径，如果是 3.6、3.7、3.8、3.9，请将`python3`改成`python3.6`、`python3.7`、`python3.8`、`python3.9`，然后将下面[python-lib-path]替换为找到文件路径
+        找到 Python lib 的路径，如果是 3.6、3.7、3.8、3.9、3.10，请将`python3`改成`python3.6`、`python3.7`、`python3.8`、`python3.9`、`python3.10`，然后将下面[python-lib-path]替换为找到文件路径
 
     2. 设置 PYTHON_LIBRARIES：
         ```
@@ -408,7 +414,7 @@ uname -m && cat /etc/*release
         ```
         （这里将[python-lib-path]的最后两级目录替换为/bin/)
 
-* d. 安装虚环境`virtualenv`以及`virtualenvwrapper`并创建名为`paddle-venv`的虚环境：(请注意对应 python 版本的 pip3 的命令，如 pip3.6、pip3.7、pip3.8、pip3.9)
+* d. 安装虚环境`virtualenv`以及`virtualenvwrapper`并创建名为`paddle-venv`的虚环境：(请注意对应 python 版本的 pip3 的命令，如 pip3.6、pip3.7、pip3.8、pip3.9、pip3.10)
 
     1. 安装`virtualenv`
         ```
@@ -472,10 +478,16 @@ git clone https://github.com/PaddlePaddle/Paddle.git
 cd Paddle
 ```
 
-#### 9. 切换到 develop 分支进行编译：
+#### 9. 切换到较稳定 release 分支下进行编译：
+
+```
+git checkout [分支名]
+```
+
+例如：
 
 ```
-git checkout develop
+git checkout release/2.3
 ```
 
 #### 10. 并且请创建并进入一个叫 build 的目录下：
@@ -500,11 +512,11 @@ mkdir build && cd build
     > 请注意 PY_VERSION 参数更换为您需要的 python 版本
 
 
-* 对于需要编译**GPU 版本 PaddlePaddle**的用户：(**仅支持 CentOS7（CUDA11.2/CUDA11.0/CUDA10.2/CUDA10.1)**)
+* 对于需要编译**GPU 版本 PaddlePaddle**的用户：(**仅支持 CentOS7（CUDA11.6/CUDA11.2/CUDA11.1/CUDA10.2/CUDA10.1)**)
 
     1. 请确保您已经正确安装 nccl2，或者按照以下指令安装 nccl2（这里提供的是 CUDA10.2，cuDNN7 下 nccl2 的安装指令，更多版本的安装信息请参考 NVIDIA[官方网站](https://developer.nvidia.com/nccl)）:
 
-    * **CentOS 系统可以参考以下命令**
+    * **Centos 系统可以参考以下命令**
 
         ```
         wget http://developer.download.nvidia.com/compute/machine-learning/repos/rhel7/x86_64/nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm
@@ -538,7 +550,7 @@ mkdir build && cd build
         cmake .. -DPYTHON_EXECUTABLE:FILEPATH=[您可执行的 Python3 的路径] -DPYTHON_INCLUDE_DIR:PATH=[之前的 PYTHON_INCLUDE_DIRS] -DPYTHON_LIBRARY:FILEPATH=[之前的 PYTHON_LIBRARY] -DWITH_GPU=ON
         ```
 
-注意：以上涉及 Python3 的命令，用 Python3.7 来举例，如您的 Python 版本为 3.6/3.8/3.9，请将上述命令中的 Python3.7 改成 Python3.6/Python3.8/Python3.9
+注意：以上涉及 Python3 的命令，用 Python3.7 来举例，如您的 Python 版本为 3.6/3.8/3.9/3.10，请将上述命令中的 Python3.7 改成 Python3.6/Python3.8/Python3.9/Python3.10