fix post quantizaition doc

lite/tutorials/source_zh_cn/use/post_training_quantization.md

@@ -32,9 +32,9 @@
 |   参数名  |  属性   |     功能描述    |  参数类型 |   默认值 | 取值范围  |
 | -------- | ------- | -----          | -----    | -----     |  ----- |
 | image_path  | 必选 | 存放校准数据集的目录  |      String                |   -   | 该目录存放可直接用于执行推理的输入数据。由于目前框架还不支持数据预处理，所有数据必须事先完成所需的转换，使得它们满足推理的输入要求。 |
-| batch_count | 可选 | 使用的输入数目       | Integer  |  1000  | 大于0  |
+| batch_count | 可选 | 使用的输入数目       | Integer  |  100  | 大于0  |
 | method_x | 可选 | 网络层输入输出数据量化算法 | String  |  KL  | KL，MAX_MIN。 KL: 基于[KL散度](http://on-demand.gputechconf.com/gtc/2017/presentation/s7310-8-bit-inference-with-tensorrt.pdf)对数据范围作量化校准； MAX_MIN：基于最大值、最小值计算数据的量化参数。 在模型以及数据集比较较简单的情况下，推荐使用MAX_MIN      |
-
+| thread_num | 可选 | 使用校准数据集执行推理流程时的线程数 | Integer  |  1  |  大于0   |
 
 ## 使用示例
 
@@ -44,6 +44,7 @@
     image_path=/dir/images
     batch_count=100
     method_x=MAX_MIN
+    thread_num=1
     ```
    校准数据集可以选择测试数据集的子集，要求`/dir/images`目录下存放的每个文件均是预处理好的输入数据，每个文件都可以直接用于推理的输入。
 3. 以TensorFlow Lite模型mnist.tflite为例，执行带训练后量化的模型转换命令:
@@ -56,8 +57,7 @@
 
  |  模型                |  测试数据集   | method_x      |  FP32模型精度    |  训练后量化精度 | 说明 |
  | --------            | -------      | -----          | -----            | -----     | -----  |
- | mnist.tflite |   [MNIST](http://yann.lecun.com/exdb/mnist/)      | MAX_MIN         |      97.61%    |   97.83%   | 校准数据集选择MNIST Test数据集的前100张 |
- | mobilenet_v1.tflite | [MNIST](http://yann.lecun.com/exdb/mnist/)       | MAX_MIN          |    98.36%         |  98.40%  | 校准数据集选择MNIST Test数据集的前100张  | 
-
-
+ | [Inception_V3](https://storage.googleapis.com/download.tensorflow.org/models/tflite/model_zoo/upload_20180427/inception_v3_2018_04_27.tgz) | [ImageNet](http://image-net.org/) | KL |    77.92%   |   77.95%   | 校准数据集随机选择ImageNet Validation数据集中的100张 |
+ | [Mobilenet_V1_1.0_224](https://torage.googleapis.com/download.tensorflow.org/models/mobilenet_v1_2018_02_22/mobilenet_v1_1.0_224.tgz)      | [ImageNet](http://image-net.org/) | KL |    70.96%    |  70.69%  | 校准数据集随机选择ImageNet Validation数据集中的100张 |
 
+> 以上所有结果均在x86环境上测得。