diff --git a/examples/finetune_SHWD/README.md b/examples/finetune_SHWD/README.md
index 4f8c0144..1f31bbd6 100644
--- a/examples/finetune_SHWD/README.md
+++ b/examples/finetune_SHWD/README.md
@@ -104,11 +104,12 @@ optimizer:
 
 自定义数据集类别数通常与COCO数据集不一致，MindYOLO中各模型的检测头head结构跟数据集类别数有关，直接将预训练模型导入可能会因为shape不一致而导入失败，可以在yaml配置文件中设置strict_load参数为False，MindYOLO将自动舍弃shape不一致的参数，并抛出该module参数并未导入的告警
 #### 模型微调(Finetune)
-模型微调过程中，可首先按照默认配置进行训练，如效果不佳，可考虑调整一下参数：
+模型微调过程中，可首先按照默认配置进行训练，如效果不佳，可考虑调整以下参数：
 * 学习率可调小一些，防止loss难以收敛
 * per_batch_size可根据实际显存占用调整，通常per_batch_size越大，梯度计算越精确
 * epochs可根据loss是否收敛进行调整
 * anchor可根据实际物体大小进行调整
+
 由于SHWD训练集只有约6000张图片，选用yolov7-tiny模型进行训练。
 * 在多卡NPU/GPU上进行分布式模型训练，以8卡为例: