fix doc

docs/deploy/openvino/export_openvino_model.md

@@ -3,16 +3,16 @@
 
 ## 环境依赖
 
-* ONNX 1.5.0
+* ONNX 1.5.0+
 * PaddleX 1.0+
 * OpenVINO 2020.4
 
-**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/latest/install.html) ， OpenVINO安装请参考[OpenVINO](https://docs.openvinotoolkit.org/latest/index.html)，ONNX请安装1.5.0版本否则会出现转模型错误。
+**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/develop/install.html) ， OpenVINO安装请参考[OpenVINO](https://docs.openvinotoolkit.org/latest/index.html)，ONNX请安装1.5.0以上版本否则会出现转模型错误。
 
 请确保系统已经安装好上述基本软件，**下面所有示例以工作目录 `/root/projects/`演示**。
 
 ## 导出inference模型
-paddle模型转openvino之前需要先把paddle模型导出为inference格式模型，导出的模型将包括__model__、__params__和model.yml三个文件名。导出命令如下
+paddle模型转openvino之前需要先把paddle模型导出为inference格式模型，导出的模型将包括__model__、__params__和model.yml三个文件名，导出命令如下
 ```
 paddlex --export_inference --model_dir=/path/to/paddle_model --save_dir=./inference_model --fixed_input_shape=[w,h]
 ```
@@ -30,7 +30,7 @@ python convertor.py --model_dir /path/to/inference_model --save_dir /path/to/ope
 |  参数   | 说明  |
 |  ----  | ----  |
 | --model_dir  | Paddle模型路径，请确保__model__, \_\_params__model.yml在同一个目录|
-| --save_dir  | openvino模型保存路径 |
+| --save_dir  | OpenVINO模型保存路径 |
 | --fixed_input_shape  | 模型输入的[W,H] |
 | --data type(option)  | FP32、FP16，默认为FP32，VPU下的IR需要为FP16 |
 

docs/deploy/openvino/introduction.md

@@ -1,8 +1,8 @@
 # OpenVINO部署简介
-PaddleX支持将训练好的paddle模型通过openvino实现模型的预测加速，OpenVINO详细资料与安装流程请参考[OpenVINO](https://docs.openvinotoolkit.org/latest/index.html)
+PaddleX支持将训练好的Paddle模型通过OpenVINO实现模型的预测加速，OpenVINO详细资料与安装流程请参考[OpenVINO](https://docs.openvinotoolkit.org/latest/index.html)
 
 ## 部署支持情况
-下表提供了PaddleX在不同环境下对使用OpenVINO加速支持情况  
+下表提供了PaddleX在不同环境下对使用OpenVINO加速的支持情况  
 
 |硬件平台|Linux|Windows|Raspbian OS|c++|python |分类|检测|分割|
 | ----|  ---- | ---- | ----|  ---- | ---- |---- | ---- |---- |
@@ -15,12 +15,12 @@ PaddleX支持将训练好的paddle模型通过openvino实现模型的预测加
 ## 部署流程
 **PaddleX到OpenVINO的部署流程可以分为如下两步**： 
 
-  * **模型转换**:将paddle的模型转换为openvino的Inference Engine
+  * **模型转换**:将Paddle的模型转换为OpenVINO的Inference Engine
   * **预测部署**:使用Inference Engine进行预测
 
 ## 模型转换 
 **模型转换请参考文档[模型转换](./export_openvino_model.md)**  
-**说明**：由于不同软硬件平台下OpenVINO模型转换方法一致，模型转换的方法，后续文档中不再赘述。
+**说明**：由于不同软硬件平台下OpenVINO模型转换方法一致，故如何转换模型后续文档中不再赘述。
 
 ## 预测部署
 由于不同软硬下部署OpenVINO实现预测的方式不完全一致，具体请参考：  

docs/deploy/openvino/linux.md

@@ -10,7 +10,7 @@
 * OpenVINO 2020.4 
 * 硬件平台：CPU、VPU
   
-**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/latest/install.html) ， OpenVINO安装请参考[OpenVINO-Linux](https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_linux.html)或者[OpenVINO-Raspbian](https://docs.openvinotoolkit.org/latest/openvino_docs_install_guides_installing_openvino_raspbian.html)
+**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/develop/install.html) ， OpenVINO安装请根据相应的系统参考[OpenVINO-Linux](https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_linux.html)或者[OpenVINO-Raspbian](https://docs.openvinotoolkit.org/latest/openvino_docs_install_guides_installing_openvino_raspbian.html)
 
 请确保系统已经安装好上述基本软件，并配置好相应环境，**下面所有示例以工作目录 `/root/projects/`演示**。
 
@@ -26,7 +26,7 @@ mkdir -p /root/projects
 cd /root/projects
 git clone https://github.com/PaddlePaddle/PaddleX.git
 ```
-**说明**：其中C++预测代码在PaddleX\deploy\openvino 目录，该目录不依赖任何PaddleX下其他目录。
+**说明**：其中C++预测代码在PaddleX/deploy/openvino 目录，该目录不依赖任何PaddleX下其他目录。
 
 ### Step2 软件依赖
 提供了依赖软件预编包或者一键编译，用户不需要单独下载或编译第三方依赖软件。若需要自行编译第三方依赖软件请参考：
@@ -41,7 +41,7 @@ git clone https://github.com/PaddlePaddle/PaddleX.git
 
   
 ### Step3: 编译
-编译`cmake`的命令在`scripts/build.sh`中，若在树莓派(Raspbian OS)上编译请修改ARCH参数x86为armv7，若自行编译第三方依赖软件请根据Step1中编译软件的实际情况修改主要参数,其主要内容说明如下：
+编译`cmake`的命令在`scripts/build.sh`中，若在树莓派(Raspbian OS)上编译请修改ARCH参数x86为armv7，若自行编译第三方依赖软件请根据Step1中编译软件的实际情况修改主要参数，其主要内容说明如下：
 ```
 # openvino预编译库的路径
 OPENVINO_DIR=$INTEL_OPENVINO_DIR/inference_engine
@@ -63,7 +63,7 @@ ARCH=x86
 
 ### Step4: 预测
 
-编译成功后，分类任务的预测可执行程序为`classifier`,分割任务的预测可执行程序为`segmenter`，检测任务的预测可执行程序为`detector`，其主要命令参数说明如下：
+编译成功后，分类任务的预测可执行程序为`classifier`，分割任务的预测可执行程序为`segmenter`，检测任务的预测可执行程序为`detector`，其主要命令参数说明如下：
 
 |  参数   | 说明  |
 |  ----  | ----  |
@@ -86,7 +86,7 @@ linux系统在CPU下做单张图片的分类任务预测
 
 `样例二`:
 linux系统在CPU下做多张图片的分割任务预测，并保存预测可视化结果
-预测多个图片`/path/to/image_list.txt`，image_list.txt内容的格式如下：
+预测的多个图片`/path/to/image_list.txt`，image_list.txt内容的格式如下：
 ```
 /path/to/images/test_img1.jpeg
 /path/to/images/test_img2.jpeg
@@ -109,12 +109,12 @@ linux系统在CPU下做多张图片的分割任务预测，并保存预测可视
 ## 性能测试
 `测试一`：  
 在服务器CPU下测试了OpenVINO对PaddleX部署的加速性能：
-- cpu：Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz
-- openvino： 2020.4
-- paddleX：采用paddle预测库(1.8)，打开mkldnn加速，打开多线程。
-- 模型来自paddleX tutorials，Batch Size均为1，耗时单位为ms/image，只计算模型运行时间，不包括数据的预处理和后处理，20张图片warmup，100张图片测试性能。
+- CPU：Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz
+- OpenVINO： 2020.4
+- PaddleX：采用Paddle预测库(1.8)，打开mkldnn加速，打开多线程。
+- 模型来自PaddleX tutorials，Batch Size均为1，耗时单位为ms/image，只计算模型运行时间，不包括数据的预处理和后处理，20张图片warmup，100张图片测试性能。
 
-|模型| paddleX| openvino |  图片输入大小|
+|模型| PaddleX| OpenVINO |  图片输入大小|
 |---|---|---|---|
 |resnet-50 | 20.56 | 16.12 | 224*224 |
 |mobilenet-V2 | 5.16 | 2.31 |224*224|
@@ -125,24 +125,24 @@ linux系统在CPU下做多张图片的分割任务预测，并保存预测可视
 
 `测试二`:
 在PC机上插入VPU架构的神经计算棒(NCS2)，通过Openvino加速。
-- cpu：Intel(R) Core(TM) i5-4300U 1.90GHz
-- vpu：Movidius Neural Compute Stick2
-- openvino： 2020.4
-- 模型来自paddleX tutorials，Batch Size均为1，耗时单位为ms/image，只计算模型运行时间，不包括数据的预处理和后处理，20张图片warmup，100张图片测试性能。  
+- CPU：Intel(R) Core(TM) i5-4300U 1.90GHz
+- VPU：Movidius Neural Compute Stick2
+- OpenVINO： 2020.4
+- 模型来自PaddleX tutorials，Batch Size均为1，耗时单位为ms/image，只计算模型运行时间，不包括数据的预处理和后处理，20张图片warmup，100张图片测试性能。  
 
-|模型|openvino|输入图片|
+|模型|OpenVINO|输入图片|
 |---|---|---|
 |mobilenetV2|24.00|224*224|
 |resnet50_vd_ssld|58.53|224*224|    
 
 `测试三`:
 在树莓派3B上插入VPU架构的神经计算棒(NCS2)，通过Openvino加速。
-- cpu ：ARM Cortex-A72 1.2GHz 64bit
-- vpu：Movidius Neural Compute Stick2
-- openvino： 2020.4
+- CPU ：ARM Cortex-A72 1.2GHz 64bit
+- VPU：Movidius Neural Compute Stick2
+- OpenVINO 2020.4
 - 模型来自paddleX tutorials，Batch Size均为1，耗时单位为ms/image，只计算模型运行时间，不包括数据的预处理和后处理，20张图片warmup，100张图片测试性能。  
 
-|模型|openvino|输入图片大小|
+|模型|OpenVINO|输入图片大小|
 |---|---|---|
 |mobilenetV2|43.15|224*224|
 |resnet50|82.66|224*224|  

docs/deploy/openvino/windows.md

@@ -8,9 +8,9 @@ Windows 平台下，我们使用`Visual Studio 2019 Community` 进行了测试
 * OpenVINO 2020.4
 * CMake 3.0+
 
-**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/latest/install.html) ， OpenVINO安装请参考[OpenVINO-Windows](https://docs.openvinotoolkit.org/latest/openvino_docs_install_guides_installing_openvino_windows.html)  
+**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/develop/install.html) ， OpenVINO安装请参考[OpenVINO-Windows](https://docs.openvinotoolkit.org/latest/openvino_docs_install_guides_installing_openvino_windows.html)  
 
-**注意**：安装完OpenVINO后需要手动添加OpenVINO目录到系统环境变量，否则在运行程序时会出现找不到dll的情况。以OpenVINO不改变OpenVINO安装目录情况下为示例，流程如下
+**注意**：安装完OpenVINO后需要手动添加OpenVINO目录到系统环境变量，否则在运行程序时会出现找不到dll的情况。以安装OpenVINO时不改变OpenVINO安装目录情况下为示例，流程如下
 - 我的电脑->属性->高级系统设置->环境变量
     - 在系统变量中找到Path（如没有，自行创建），并双击编辑
     - 新建，分别将OpenVINO以下路径填入并保存:  
@@ -36,7 +36,10 @@ git clone https://github.com/PaddlePaddle/PaddleX.git
 **说明**：其中`C++`预测代码在`PaddleX\deploy\openvino` 目录，该目录不依赖任何`PaddleX`下其他目录。
 
 ### Step2 软件依赖
-提供了依赖软件预编译库，[gflas-glog](https://bj.bcebos.com/paddlex/deploy/windows/third-parts.zip)，[opencv](https://bj.bcebos.com/paddleseg/deploy/opencv-3.4.6-vc14_vc15.exe)，请下载上面两个连接的预编译库。若需要自行下载请参考：
+提供了依赖软件预编译库:
+- [gflas-glog](https://bj.bcebos.com/paddlex/deploy/windows/third-parts.zip)  
+- [opencv](https://bj.bcebos.com/paddleseg/deploy/opencv-3.4.6-vc14_vc15.exe)  
+请下载上面两个连接的预编译库。若需要自行下载请参考：
 - gflags:[下载地址](https://docs.microsoft.com/en-us/windows-hardware/drivers/debugger/gflags)
 - glog：[编译文档](https://github.com/google/glog)
 - opencv:[下载地址](https://opencv.org/releases/)  

docs/deploy/raspberry/Raspberry.md

@@ -4,13 +4,13 @@ PaddleX支持通过Paddle-Lite和基于OpenVINO的神经计算棒(NCS2)这两种
 
 ## 硬件环境配置  
 
-对于尚未安装系统的树莓派首先需要进行系统安装、环境配置等步奏来初始化硬件环境，过程中需要的软硬件如下： 
+对于尚未安装系统的树莓派首先需要进行系统安装、环境配置等步骤来初始化硬件环境，过程中需要的软硬件如下： 
 
 - 硬件：micro SD，显示器，键盘，鼠标
 - 软件：Raspbian OS
 ### Step1：系统安装
 - 格式化micro SD卡为FAT格式，Windows和Mac下建议使用[SD Memory Card Formatter](https://www.sdcard.org/downloads/formatter/)工具，Linux下请参考[NOOBS For Raspberry Pi](http://qdosmsq.dunbar-it.co.uk/blog/2013/06/noobs-for-raspberry-pi/)  
-- 下载NOOBS版本的Raspbian OS [下载地址](https://www.raspberrypi.org/downloads/)并将解压后的文件复制到SD中，插入SD到树莓派上通电，然后将自动安装系统
+- 下载NOOBS版本的Raspbian OS [下载地址](https://www.raspberrypi.org/downloads/)并将解压后的文件复制到SD中，插入SD后给树莓派通电，然后将自动安装系统
 ### Step2：环境配置
 - 启用VNC和SSH服务：打开LX终端输入，输入如下命令，选择Interfacing Option然后选择P2 SSH 和 P3 VNC分别打开SSH与VNC。打开后就可以通过SSH或者VNC的方式连接树莓派
 ```
@@ -23,9 +23,10 @@ sudo apt-get upgrade
 ```
 
 ## Paddle-Lite部署
-基于Paddle-Lite的部署目前可以支持PaddleX的分类、分割与检测模型。部署的流程包括：PaddleX模型转换与转换后的模型部署  
+基于Paddle-Lite的部署目前可以支持PaddleX的分类、分割与检测模型。   
+部署的流程包括：PaddleX模型转换与转换后的模型部署  
 
-**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/latest/install.html)，Paddle-Lite详细资料请参考[Paddle-Lite](https://paddle-lite.readthedocs.io/zh/latest/index.html)
+**说明**：PaddleX安装请参考[PaddleX](https://paddlex.readthedocs.io/zh_CN/develop/install.html)，Paddle-Lite详细资料请参考[Paddle-Lite](https://paddle-lite.readthedocs.io/zh/latest/index.html)
 
 请确保系统已经安装好上述基本软件，并配置好相应环境，**下面所有示例以工作目录 `/root/projects/`演示**。
 
@@ -39,10 +40,11 @@ mkdir -p /root/projects
 cd /root/projects
 git clone https://github.com/PaddlePaddle/PaddleX.git
 ```
-**说明**：其中C++预测代码在PaddleX/deploy/raspberry 目录，该目录不依赖任何PaddleX下其他目录，如果需要在python下预测部署请参考[python预测部署](./python.md)。  
+**说明**：其中C++预测代码在PaddleX/deploy/raspberry 目录，该目录不依赖任何PaddleX下其他目录，如果需要在python下预测部署请参考[Python预测部署](./python.md)。  
 
 ### Step2：Paddle-Lite预编译库下载
-提供了下载的opt工具对应的Paddle-Lite在ArmLinux下面的预编译库:[Paddle-Lite(ArmLinux)预编译库](https://bj.bcebos.com/paddlex/deploy/lite/inference_lite_2.6.1_armlinux.tar.bz2)。建议用户使用预编译库，若需要自行编译，在树莓派上LX终端输入
+提供了下载的opt工具对应的Paddle-Lite在ArmLinux下面的预编译库:[Paddle-Lite(ArmLinux)预编译库](https://bj.bcebos.com/paddlex/deploy/lite/inference_lite_2.6.1_armlinux.tar.bz2)。  
+建议用户使用预编译库，若需要自行编译，在树莓派上LX终端输入
 ```
 git clone https://github.com/PaddlePaddle/Paddle-Lite.git
 cd Paddle-Lite

docs/deploy/raspberry/export_nb_model.md

@@ -1,5 +1,5 @@
 # Paddle-Lite模型转换
-将Paddle模型转换为Paddle-Lite的nb模型，模型转换主要包括PaddleX转inference model和inference model转Paddle-Lite nb模型
+将PaddleX模型转换为Paddle-Lite的nb模型，模型转换主要包括PaddleX转inference model和inference model转Paddle-Lite nb模型
 ### Step1：导出inference模型
 PaddleX模型转Paddle-Lite模型之前需要先把PaddleX模型导出为inference格式模型，导出的模型将包括__model__、__params__和model.yml三个文件名。具体方法请参考[Inference模型导出](../export_model.md)。
 ### Step2：导出Paddle-Lite模型
@@ -28,6 +28,6 @@ Paddle-Lite模型需要通过Paddle-Lite的opt工具转出模型，下载并解
       --optimize_out=model_output_name
 ```
 
-详细的使用方法和参数含义请参考: [使用opt转化模型](https://paddle-lite.readthedocs.io/zh/latest/user_guides/opt/opt_bin.html)，更多opt预编译版本请参考[Paddle-Lite Release Note](https://github.com/PaddlePaddle/Paddle-Lite/releases)
+更多详细的使用方法和参数含义请参考: [使用opt转化模型](https://paddle-lite.readthedocs.io/zh/latest/user_guides/opt/opt_bin.html)，更多opt预编译版本请参考[Paddle-Lite Release Note](https://github.com/PaddlePaddle/Paddle-Lite/releases)
 
-**注意**：opt版本需要跟预测库版本保持一致，如使2.6.0的python版预测库，请从上面Release Note中下载2.6.0版本的opt转换模型
+**注意**：opt版本需要跟预测库版本保持一致，如使2.6.0版本预测库，请从上面Release Note中下载2.6.0版本的opt转换模型

docs/deploy/raspberry/python.md

@@ -1,9 +1,10 @@
 # Python预测部署
-文档说明了在树莓派上使用python版本的Paddle-Lite进行PaddleX模型好的预测部署，Paddle-Lite python版本的预测库下载，用户也可以下载whl文件进行安装[Paddle-Lite_2.6.0_python](https://github.com/PaddlePaddle/Paddle-Lite/releases/download/v2.6.0/armlinux_python_installer.zip)，更多版本请参考[Paddle-Lite Release Note](https://github.com/PaddlePaddle/Paddle-Lite/releases)
+文档说明了在树莓派上使用Python版本的Paddle-Lite进行PaddleX模型好的预测部署，根据下面的命令安装Python版本的Paddle-Lite预测库，若安装不成功用户也可以下载whl文件进行安装[Paddle-Lite_2.6.0_python](https://github.com/PaddlePaddle/Paddle-Lite/releases/download/v2.6.0/armlinux_python_installer.zip)，更多版本请参考[Paddle-Lite Release Note](https://github.com/PaddlePaddle/Paddle-Lite/releases)
 ```
 python -m pip install paddlelite
 ```
 部署前需要先将PaddleX模型转换为Paddle-Lite的nb模型，具体请参考[Paddle-Lite模型转换](./export_nb_model.md)
+**注意**：若用户使用2.6.0的Python预测库，请下载2.6.0版本的opt转换工具转换模型