diff --git a/docs/zh_cn/migration/migrate_param_scheduler_from_mmcv.md b/docs/zh_cn/migration/migrate_param_scheduler_from_mmcv.md
new file mode 100644
index 0000000000000000000000000000000000000000..7e47e86496a5b7a5f1587f4367c5a9016efe6461
--- /dev/null
+++ b/docs/zh_cn/migration/migrate_param_scheduler_from_mmcv.md
@@ -0,0 +1,564 @@
+# 迁移 MMCV 参数调度器到 MMEngine
+
+MMCV 1.x 版本使用 [LrUpdaterHook](https://mmcv.readthedocs.io/zh_CN/v1.6.0/api.html#mmcv.runner.LrUpdaterHook) 和 [MomentumUpdaterHook](https://mmcv.readthedocs.io/zh_CN/v1.6.0/api.html#mmcv.runner.MomentumUpdaterHook) 来调整学习率和动量。
+但随着深度学习算法训练方式的不断发展，使用 Hook 修改学习率已经难以满足更加丰富的自定义需求，因此 MMEngine 提供了参数调度器（ParamScheduler）。
+一方面，参数调度器的接口与 PyTroch 的学习率调度器（LRScheduler）对齐，另一方面，参数调度器提供了更丰富的功能，详细请参考[参数调度器使用指南](../tutorials/param_scheduler.md)。
+
+## 学习率调度器（LrUpdater）迁移
+
+MMEngine 中使用 LRScheduler 替代 LrUpdaterHook，配置文件中的字段从原本的 `lr_config` 修改为 `param_scheduler`。
+MMCV 中的学习率配置与 MMEngine 中的参数调度器配置对应关系如下：
+
+### 学习率预热（Warmup）迁移
+
+由于 MMEngine 中的学习率调度器在实现时增加了 begin 和 end 参数，指定了调度器的生效区间，所以可以通过调度器组合的方式实现学习率预热。MMCV 中有 3 种学习率预热方式，分别是 'constant', 'linear', 'exp'，在 MMEngine 中对应的配置应修改为:
+
+#### 常数预热('constant')
+
+<table class="docutils">
+  <thead>
+  <tr>
+      <th>MMCV-1.x</th>
+      <th>MMEngine</th>
+  <tbody>
+  <tr>
+  <td>
+
+```python
+lr_config = dict(
+    warmup='constant',
+    warmup_ratio=0.1,
+    warmup_iters=500,
+    warmup_by_epoch=False
+)
+```
+
+</td>
+  <td>
+
+```python
+param_scheduler = [
+    dict(type='ConstantLR',
+         factor=0.1,
+         begin=0,
+         end=500,
+         by_epoch=False),
+    dict(...) # 主学习率调度器配置
+]
+```
+
+</td>
+  </tr>
+  </thead>
+  </table>
+
+#### 线性预热('linear')
+
+<table class="docutils">
+  <thead>
+  <tr>
+      <th>MMCV-1.x</th>
+      <th>MMEngine</th>
+  <tbody>
+  <tr>
+  <td>
+
+```python
+lr_config = dict(
+    warmup='linear',
+    warmup_ratio=0.1,
+    warmup_iters=500,
+    warmup_by_epoch=False
+)
+```
+
+</td>
+  <td>
+
+```python
+param_scheduler = [
+    dict(type='LinearLR',
+         start_factor=0.1,
+         begin=0,
+         end=500,
+         by_epoch=False),
+    dict(...) # 主学习率调度器配置
+]
+```
+
+</td>
+  </tr>
+  </thead>
+  </table>
+
+#### 指数预热('exp')
+
+<table class="docutils">
+  <thead>
+  <tr>
+      <th>MMCV-1.x</th>
+      <th>MMEngine</th>
+  <tbody>
+  <tr>
+  <td>
+
+```python
+lr_config = dict(
+    warmup='exp',
+    warmup_ratio=0.1,
+    warmup_iters=500,
+    warmup_by_epoch=False
+)
+```
+
+</td>
+  <td>
+
+```python
+param_scheduler = [
+    dict(type='ExponentialLR',
+         gamma=0.1,
+         begin=0,
+         end=500,
+         by_epoch=False),
+    dict(...) # 主学习率调度器配置
+]
+```
+
+</td>
+  </tr>
+  </thead>
+  </table>
+
+### 'fixed' 学习率（FixedLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(policy='fixed')
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='ConstantLR', factor=1)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'step' 学习率（StepLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='step',
+    step=[8, 11],
+    gamma=0.1,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='MultiStepLR',
+         milestone=[8, 11],
+         gamma=0.1,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'poly' 学习率（PolyLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='poly',
+    power=0.7,
+    min_lr=0.001,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='PolyLR',
+         power=0.7,
+         eta_min=0.001,
+         begin=0,
+         end=num_epochs,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'exp' 学习率（ExpLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='exp',
+    power=0.5,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='ExponentialLR',
+         gamma=0.5,
+         begin=0,
+         end=num_epochs,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'CosineAnnealing' 学习率（CosineAnnealingLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='CosineAnnealing',
+    min_lr=0.5,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='CosineAnnealingLR',
+         eta_min=0.5,
+         T_max=num_epochs,
+         begin=0,
+         end=num_epochs,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'FlatCosineAnnealing' 学习率（FlatCosineAnnealingLrUpdaterHook）迁移
+
+像 FlatCosineAnnealing 这种由多个学习率策略拼接而成的学习率，原本需要重写 Hook 来实现，而在 MMEngine 中只需将两个参数调度器组合即可
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='FlatCosineAnnealing',
+    start_percent=0.5,
+    min_lr=0.005,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='ConstantLR', factor=1, begin=0, end=num_epochs * 0.75)
+    dict(type='CosineAnnealingLR',
+         eta_min=0.005,
+         begin=num_epochs * 0.75,
+         end=num_epochs,
+         T_max=num_epochs * 0.25,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'CosineRestart' 学习率（CosineRestartLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(policy='CosineRestart',
+                 periods=[5, 10, 15],
+                 restart_weights=[1, 0.7, 0.3],
+                 min_lr=0.001,
+                 by_epoch=True)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='CosineRestartLR',
+         periods=[5, 10, 15],
+         restart_weights=[1, 0.7, 0.3],
+         eta_min=0.001,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+### 'OneCycle' 学习率（OneCycleLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(policy='OneCycle',
+                 max_lr=0.02,
+                 total_steps=90000,
+                 pct_start=0.3,
+                 anneal_strategy='cos',
+                 div_factor=25,
+                 final_div_factor=1e4,
+                 three_phase=True,
+                 by_epoch=False)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='OneCycleLR',
+         eta_max=0.02,
+         total_steps=90000,
+         pct_start=0.3,
+         anneal_strategy='cos',
+         div_factor=25,
+         final_div_factor=1e4,
+         three_phase=True,
+         by_epoch=False)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+需要注意的是 `by_epoch` 参数 MMCV 默认是 `False`, MMEngine 默认是 `True`
+
+### 'LinearAnnealing' 学习率（LinearAnnealingLrUpdaterHook）迁移
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='LinearAnnealing',
+    min_lr_ratio=0.01,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(type='LinearLR',
+         start_factor=1,
+         end_factor=0.01,
+         begin=0,
+         end=num_epochs,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+## 动量调度器（MomentumUpdater）迁移
+
+MMCV 使用 `momentum_config` 字段和 MomentumUpdateHook 调整动量。 MMEngine 中动量同样由参数调度器控制。用户可以简单将学习率调度器后的 `LR` 修改为 `Momentum`，即可使用同样的策略来调整动量。动量调度器只需要和学习率调度器一样添加进 `param_scheduler` 列表中即可。举一个简单的例子：
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(...)
+momentum_config = dict(
+    policy='CosineAnnealing',
+    min_momentum=0.1,
+    by_epoch=True
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    # 学习率调度器配置
+    dict(...),
+    # 动量调度器配置
+    dict(type='CosineAnnealingMomentum',
+         eta_min=0.1,
+         T_max=num_epochs,
+         begin=0,
+         end=num_epochs,
+         by_epoch=True)
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+## 参数更新频率相关配置迁移
+
+如果在使用 epoch-based 训练循环且配置文件中按 epoch 设置生效区间（`begin`，`end`）或周期（`T_max`）等变量的同时希望参数率按 iteration 更新，在 MMCV 中需要将 `by_epoch` 设置为 False。而在 MMEngine 中需要注意，配置中的 `by_epoch` 仍需设置为 True，通过在配置中添加 `convert_to_iter_based=True` 来构建按 iteration 更新的参数调度器，
+关于此配置详见[参数调度器教程](../tutorials/param_scheduler.md)。
+以迁移CosineAnnealing为例：
+
+<table class="docutils">
+<thead>
+<tr>
+    <th>MMCV-1.x</th>
+    <th>MMEngine</th>
+<tbody>
+<tr>
+<td>
+
+```python
+lr_config = dict(
+    policy='CosineAnnealing',
+    min_lr=0.5,
+    by_epoch=False
+)
+```
+
+</td>
+<td>
+
+```python
+param_scheduler = [
+    dict(
+        type='CosineAnnealingLR',
+        eta_min=0.5,
+        T_max=num_epochs,
+        by_epoch=True,  # 注意，by_epoch 需要设置为 True
+        convert_to_iter_based=True  # 转换为按 iter 更新参数
+    )
+]
+```
+
+</td>
+</tr>
+</thead>
+</table>
+
+你可能还想阅读[参数调度器的教程](../tutorials/param_scheduler.md)或者[参数调度器的 API 文档](mmengine.optim.scheduler)。