diff --git a/docs/api/paddle/nn/ChannelShuffle_cn.rst b/docs/api/paddle/nn/ChannelShuffle_cn.rst
new file mode 100644
index 00000000000..cfd9c5fe4f2
--- /dev/null
+++ b/docs/api/paddle/nn/ChannelShuffle_cn.rst
@@ -0,0 +1,27 @@
+.. _cn_api_nn_ChannelShuffle:
+
+ChannelShuffle
+-------------------------------
+
+.. py:function:: paddle.nn.ChannelShuffle(groups, data_format="NCHW", name=None)
+该算子将一个形为 [N, C, H, W] 或是 [N, H, W, C] 的 Tensor 按通道分成 g 组，得到形为 [N, g, C/g, H, W] 或 [N, H, W, g, C/g] 的 Tensor，然后转置为 [N, C/g, g, H, W] 或 [N, H, W, C/g, g] 的形状，最后重塑为原来的形状。这样做可以增加通道间的信息流动，提高特征的重用率。详见张祥雨等人在 2017 年发表的论文 `ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices <https://arxiv.org/abs/1707.01083>`_ 。
+
+
+参数
+:::::::::
+    - **groups** (int) – 要把通道分成的组数。
+    - **data_format** (str，可选) – 数据格式，可选：NCHW 或 NHWC，默认为 NCHW，即（批大小，通道数，高度，宽度）的格式。
+    - **name** (str，可选) – 操作的名称（可选，默认值为 None），大多数情况下不需要设置此属性。更多信息请参见 :ref:`api_guide_Name`。
+
+形状
+:::::::::
+    - **x** (Tensor) – 默认形状为（批大小，通道数，高度，宽度），即 NCHW 格式的 4-D Tensor。其数据类型为 float32 或 float64。
+    - **out** (Tensor) – 其形状与数据类型均和输入相同。
+
+返回
+:::::::::
+计算 ChannelShuffle 的可调用对象。
+
+代码示例
+:::::::::
+COPY-FROM: paddle.nn.ChannelShuffle:ChannelShuffle-example
diff --git a/docs/api/paddle/nn/Overview_cn.rst b/docs/api/paddle/nn/Overview_cn.rst
index 33d5c77c358..9fff8513c5f 100644
--- a/docs/api/paddle/nn/Overview_cn.rst
+++ b/docs/api/paddle/nn/Overview_cn.rst
@@ -266,6 +266,7 @@ Vision层
     :header: "API名称", "API功能"
     
 
+    " :ref:`paddle.nn.ChannelShuffle <cn_api_nn_ChannelShuffle>` ", "将一个形为[N, C, H, W]或是[N, H, W, C]的Tensor按通道分成g组，得到形为[N, g, C/g, H, W]或[N, H, W, g, C/g]的Tensor，然后转置为[N, C/g, g, H, W]或[N, H, W, C/g, g]的形状，最后重新排列为原来的形状"
     " :ref:`paddle.nn.PixelShuffle <cn_api_nn_PixelShuffle>` ", "将一个形为[N, C, H, W]或是[N, H, W, C]的Tensor重新排列成形为 [N, C/r**2, H*r, W*r]或 [N, H*r, W*r, C/r**2] 的Tensor"
     " :ref:`paddle.nn.Upsample <cn_api_paddle_nn_Upsample>` ", "用于调整一个batch中图片的大小"
     " :ref:`paddle.nn.UpsamplingBilinear2D <cn_api_paddle_nn_UpsamplingBilinear2D>` ", "用于调整一个batch中图片的大小（使用双线性插值方法）"
diff --git a/docs/api/paddle/nn/functional/channel_shuffle_cn.rst b/docs/api/paddle/nn/functional/channel_shuffle_cn.rst
new file mode 100644
index 00000000000..4f90a67227c
--- /dev/null
+++ b/docs/api/paddle/nn/functional/channel_shuffle_cn.rst
@@ -0,0 +1,26 @@
+.. _cn_api_nn_functional_channel_shuffle:
+
+
+channel_shuffle
+-------------------------------
+
+.. py:function:: paddle.nn.functional.channel_shuffle(x, groups, data_format="NCHW", name=None)
+该算子将一个形为 [N, C, H, W] 或是 [N, H, W, C] 的 Tensor 按通道分成 g 组，得到形为 [N, g, C/g, H, W] 或 [N, H, W, g, C/g] 的 Tensor，然后转置为 [N, C/g, g, H, W] 或 [N, H, W, C/g, g] 的形状，最后重塑为原来的形状。这样做可以增加通道间的信息流动，提高特征的重用率。详见张祥雨等人在 2017 年发表的论文 `ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices <https://arxiv.org/abs/1707.01083>`_ 。
+
+.. note::
+   详细请参考对应的 `Class` 请参考: :ref:`cn_api_nn_ChannelShuffle`。
+
+参数
+:::::::::
+    - **x** (Tensor) – 当前算子的输入，其是一个形状为 [N, C, H, W] 的 4-D Tensor。其中 N 是批大小，C 是通道数，H 是输入特征的高度，W 是输入特征的宽度。其数据类型为 float32 或 float64。
+    - **groups** (int) – 要把通道分成的组数；
+    - **data_format** (str，可选) – 数据格式，可选：NCHW 或 NHWC，默认为 NCHW，即（批大小，通道数，高度，宽度）的格式。
+    - **name** (str，可选) – 操作的名称（可选，默认值为 None），大多数情况下不需要设置此属性。更多信息请参见 :ref:`api_guide_Name`。
+
+返回
+:::::::::
+``Tensor``，调整过通道顺序的 Tensor，其数据类型与输入相同。
+
+代码示例
+:::::::::
+COPY-FROM: paddle.nn.functional.channel_shuffle:channel_shuffle-example