diff --git a/docs/zh_cn/examples/resume_training.md b/docs/zh_cn/examples/resume_training.md
new file mode 100644
index 0000000000000000000000000000000000000000..a7382597a32836780153dfd90fc3356a702252d9
--- /dev/null
+++ b/docs/zh_cn/examples/resume_training.md
@@ -0,0 +1,36 @@
+# 恢复训练
+
+恢复训练是指从之前某次训练保存下来的状态开始继续训练，这里的状态包括模型的权重、优化器和优化器参数调整策略的状态。
+
+## 自动恢复训练
+
+用户可以设置 `Runner` 的 `resume` 参数开启自动恢复训练的功能。在启动训练时，设置 `Runner` 的 `resume` 等于 `True`，`Runner` 会从 `work_dir` 中加载最新的 checkpoint。如果 `work_dir` 中有最新的 checkpoint（例如该训练在上一次训练时被中断），则会从该 checkpoint 恢复训练，否则（例如上一次训练还没来得及保存 checkpoint 或者启动了新的训练任务）会重新开始训练。下面是一个开启自动恢复训练的示例
+
+```python
+runner = Runner(
+    model=ResNet18(),
+    work_dir='./work_dir',
+    train_dataloader=train_dataloader_cfg,
+    optim_wrapper=dict(optimizer=dict(type='SGD', lr=0.001, momentum=0.9)),
+    train_cfg=dict(by_epoch=True, max_epochs=3),
+    resume=True,
+)
+runner.train()
+```
+
+## 指定 checkpoint 路径
+
+如果希望指定恢复训练的路径，除了设置 `resume=True`，还需要设置 `load_from` 参数。需要注意的是，如果只设置了 `load_from` 而没有设置 `resume=True`，则只会加载 checkpoint 中的权重并重新开始训练，而不是接着之前的状态继续训练。
+
+```python
+runner = Runner(
+    model=ResNet18(),
+    work_dir='./work_dir',
+    train_dataloader=train_dataloader_cfg,
+    optim_wrapper=dict(optimizer=dict(type='SGD', lr=0.001, momentum=0.9)),
+    train_cfg=dict(by_epoch=True, max_epochs=3),
+    load_from='./work_dir/epoch_2.pth',
+    resume=True,
+)
+runner.train()
+```
diff --git a/docs/zh_cn/index.rst b/docs/zh_cn/index.rst
index 49bb92f8f8ac8fa7e3f9531d784f9c3488e1538b..b42652b59c0a4ec34c4a6b6353f0bf7de2924e90 100644
--- a/docs/zh_cn/index.rst
+++ b/docs/zh_cn/index.rst
@@ -29,6 +29,7 @@
    :maxdepth: 1
    :caption: 示例
 
+   examples/resume_training.md
    examples/speed_up_training.md
 
 .. toctree::