diff --git a/docs/api/paddle/nn/Overview_cn.rst b/docs/api/paddle/nn/Overview_cn.rst
index 3810bfec240..44a6df6bce5 100644
--- a/docs/api/paddle/nn/Overview_cn.rst
+++ b/docs/api/paddle/nn/Overview_cn.rst
@@ -355,6 +355,7 @@ Padding相关函数
     " :ref:`paddle.nn.functional.elu <cn_api_nn_cn_elu>` ", "elu激活函数"
     " :ref:`paddle.nn.functional.elu_ <cn_api_nn_cn_elu_>` ", "Inplace 版本的 elu API，对输入 x 采用 Inplace 策略"
     " :ref:`paddle.nn.functional.gelu <cn_api_nn_cn_gelu>` ", "gelu激活函数"
+    " :ref:`paddle.nn.functional.gumbel_softmax <cn_api_nn_cn_gumbel_softmax>` ", "gumbel_softmax采样激活函数"
     " :ref:`paddle.nn.functional.hardshrink <cn_api_nn_cn_hard_shrink>` ", "hardshrink激活函数"
     " :ref:`paddle.nn.functional.hardsigmoid <cn_api_nn_cn_hardsigmoid>` ", "sigmoid的分段线性逼近激活函数"
     " :ref:`paddle.nn.functional.hardswish <cn_api_nn_cn_hardswish>` ", "hardswish激活函数"
diff --git a/docs/api/paddle/nn/functional/gumbel_softmax_cn.rst b/docs/api/paddle/nn/functional/gumbel_softmax_cn.rst
new file mode 100644
index 00000000000..b526bab0ee9
--- /dev/null
+++ b/docs/api/paddle/nn/functional/gumbel_softmax_cn.rst
@@ -0,0 +1,59 @@
+.. _cn_api_nn_cn_gumbel_softmax:
+
+gumbel_softmax
+-------------------------------
+.. py:function:: paddle.nn.functional.gumbel_softmax(x, temperature = 1.0, hard = False, axis = -1, name = None)
+
+
+该OP实现了按Gumbel-Softmax分布进行采样的功能，通过hard可选择是否离散化。
+记temperature为t，涉及到的等式如下：
+
+1. 产生gumbel噪声
+
+.. math::
+
+    G_i = -log(-log(U_i)),\ U_i \sim U(0,1)
+
+2. 对输入x添加噪声
+
+.. math::
+
+    v = [x_1 + G_1,...,x_n + G_n]
+
+3. 计算gumbel_softmax
+
+.. math::
+
+    gumbel\_softmax(v_i)=\frac{e^{v_i/t}}{\sum_{j=1}^n{e^{v_j/t}}},i=1,2,3...n
+
+
+参数
+::::::::::
+    - x (Tensor) - 一个N-D Tensor，前N-1维用于独立分布batch的索引，最后一维表示每个类别的概率,dtype类型为float，double。
+    - temperature (float，可选) - 大于0的标量。默认值：1.0。
+    - hard (bool，可选) - 如果是True，返回离散的one-hot向量。如果是False，返回软样本。默认值：False。
+    - axis (int，可选) - 按照维度axis计算softmax。默认值：-1。
+    - name (str, 可选) - 操作的名称(可选，默认值为None）。更多信息请参见 :ref:`api_guide_Name`。
+
+返回
+::::::::::
+    与 ``x`` 形状相同的符合gumbel-softmax分布的 ``Tensor``。如果 ``hard=True`` ，则返回的样本将是one-hot。如果 ``hard=False``，则返回的向量将是各维度加起来等于1的概率。
+
+代码示例
+::::::::::
+
+.. code-block:: python
+
+    import paddle
+    import paddle.nn.functional as F
+
+    logits = paddle.randn([4, 6])
+    temperature = 0.01
+    out = F.gumbel_softmax(logits, temperature)
+    print(out)
+
+    # out's value is as follows:
+    # [[0.00000001, 1. , 0.00000000, 0.00000000, 0.00000006, 0.00000000],
+    # [0.00000000, 0.00000000, 0.00000000, 0.00000000, 0.00000000, 1. ],
+    # [0.00000062, 0.00000000, 0.00000000, 0.00000000, 0.00000000, 0.99999940],
+    # [0.00000000, 0.00000000, 0.00000000, 0.00001258, 0.99998736, 0.00000000]]
\ No newline at end of file