1. update analysis predictor interface 2. add trt int8 doc

doc/fluid/advanced_usage/deploy/inference/native_infer.md

@@ -98,7 +98,7 @@ CHECK(predictor->Run(slots, &outputs));
 
 两种模式中，第一种比较方便；第二种则可以严格控制内存的管理，便于与 `tcmalloc` 等库的集成。
 
-### 基于 contrib::AnalysisConfig  提升性能 (预发布)
+### 基于 contrib::AnalysisConfig  提升性能
 *AnalyisConfig 目前正在预发布阶段，用 `namespace contrib` 进行了保护，后续可能会有调整*
 
 类似 `NativeConfig` ， `AnalysisConfig` 可以创建一个经过一系列优化的高性能预测引擎。 其中包含了计算图的分析和优化，以及对一些重要 Op 的融合改写等，**对使用了 While, LSTM, GRU 等模型性能有大幅提升** 。
@@ -107,9 +107,10 @@ CHECK(predictor->Run(slots, &outputs));
 
 ```c++
 AnalysisConfig config;
-config.model_dir = xxx;
-config.use_gpu = false;  // 目前还不支持 GPU 的优化
-config.specify_input_name = true; // 需要指定输入的 name
+config.SetModel(dirname);                // 设定模型的目录
+config.EnableUseGpu(100, 0 /*gpu id*/);  // 使用GPU， CPU下使用config.DisableGpu();
+config.SwitchSpecifyInputNames(true);    // 需要指定输入的 name
+config.SwitchIrOptim();                  // 打开优化开关，运行时会执行一系列的优化
 ```
 
 这里需要注意的是，输入的 PaddleTensor 需要指定，比如之前的例子需要修改为
@@ -129,7 +130,7 @@ tensor.name = "input0"; // 注意这里的 name 需要设定
 ### 性能建议
 1. 在 CPU型号允许的情况下，尽量使用带 AVX 和 MKL 的版本
 2. 复用输入和输出的 `PaddleTensor` 以避免频繁分配内存拉低性能
-3. CPU预测，可以尝试把 `NativeConfig` 改成成 `AnalysisConfig` 来进行优化
+3. CPU或GPU预测，可以尝试把 `NativeConfig` 改成成 `AnalysisConfig` 来进行优化
 
 ## 详细代码参考
 

doc/fluid/advanced_usage/deploy/inference/paddle_tensorrt_infer.md

-# 使用TensorRT库预测
+# 使用Paddle-TensorRT库预测
 
-NVIDIA TensorRT 是一个高性能的深度学习预测库，可为深度学习推理应用程序提供低延迟和高吞吐量。Paddle 1.0 采用了子图的形式对TensorRT进行了初步集成，即我们可以使用该模块来提升Paddle模型的预测性能。该模块依旧在持续开发中，目前已支持的模型有：AlexNet, MobileNet, ResNet50, VGG19, ResNext, Se-ReNext, GoogleNet, DPN, ICNET, MobileNet-SSD等。在这篇文档中，我们将会对Paddle-TensorRT库的获取、使用和原理进行介绍。
+NVIDIA TensorRT 是一个高性能的深度学习预测库，可为深度学习推理应用程序提供低延迟和高吞吐量。PaddlePaddle 采用了子图的形式对TensorRT进行了集成，即我们可以使用该模块来提升Paddle模型的预测性能。该模块依旧在持续开发中，目前已支持的模型有：AlexNet, MobileNet, ResNet50, VGG19, ResNext, Se-ReNext, GoogleNet, DPN, ICNET, Deeplabv3, MobileNet-SSD等。在这篇文档中，我们将会对Paddle-TensorRT库的获取、使用和原理进行介绍。
 
+## 内容
+- [编译Paddle-TRT预测库](#编译Paddle-TRT预测库)
+- [Paddle-TRT接口使用](#Paddle-TRT接口使用)
+- [Paddle-TRT样例编译测试](#Paddle-TRT样例编译测试)
+- [Paddle-TRT INT8使用](#Paddle-TRT_INT8使用)
+- [Paddle-TRT子图运行原理](#Paddle-TRT子图运行原理)
 
-## 编译带`TensorRT`的预测库
+
+## <a name="编译Paddle-TRT预测库">编译Paddle-TRT预测库</a>
 
 **使用Docker编译预测库**         
 
@@ -59,7 +66,7 @@ NVIDIA TensorRT 是一个高性能的深度学习预测库，可为深度学习
    
 	`fluid_inference_install_dir`下， paddle目录包含了预测库的头文件和预测库的lib， version.txt 中包含了lib的版本和配置信息，third_party 中包含了预测库依赖的第三方库      
 
-## Paddle TensorRT使用
+## <a name="Paddle-TRT接口使用">Paddle-TRT接口使用</a> 
 
 [`paddle_inference_api.h`]('https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/inference/api/paddle_inference_api.h') 定义了使用TensorRT的所有接口。  
 
@@ -79,11 +86,11 @@ using paddle::contrib::AnalysisConfig;
 
 void RunTensorRT(int batch_size, std::string model_dirname) {
   // 1. 创建MixedRTConfig
-  AnalysisConfig config(true);
-  config.model_dir = model_dirname;
-  config->use_gpu = true;
-  config->device = 0;
-  config->fraction_of_gpu_memory = 0.15;
+  AnalysisConfig config(model_dirname);
+  // config->SetModel(model_dirname + "/model",                                                                                             
+  //                     model_dirname + "/params");
+ 
+  config->EnableUseGpu(100, 0 /*gpu_id*/);
   config->EnableTensorRtEngine(1 << 20 /*work_space_size*/, batch_size /*max_batch_size*/);
   
   // 2. 根据config 创建predictor
@@ -120,7 +127,8 @@ int main() {
 }
 ```
 
-## 样例编译
+## <a name="Paddle-TRT样例编译测试">Paddle-TRT样例编译测试</a>
+
 1. 下载样例   
 	```
 	wget http://paddle-inference-dist.cdn.bcebos.com/tensorrt_test/paddle_trt_samples.tar.gz
@@ -161,8 +169,31 @@ int main() {
 	sh run_impl.sh BASE_DIR/fluid_inference_install_dir/  thread_mobilenet_test SAMPLE_BASE_DIR/sample/mobilenetv1
 	```
 
+## <a name="Paddle-TRT_INT8使用">Paddle-TRT INT8使用</a>
+
+1. Paddle-TRT INT8 简介    
+	神经网络的参数在一定程度上是冗余的，在很多任务上，我们可以在保证模型精度的前提下，将Float32的模型转换成Int8的模型。目前，Paddle-TRT支持离线将预训练好的Float32模型转换成Int8的模型，具体的流程如下：1）**生成校准表**（Calibration table）；我们准备500张左右的真实输入数据，并将数据输入到模型中去，Paddle-TRT会统计模型中每个op输入和输出值的范围信息，并将记录到校准表中，这些信息有效的减少了模型转换时的信息损失。2）生成校准表后，再次运行模型，**Paddle-TRT会自动加载校准表**，并进行INT8模式下的预测。
+
+2. 编译测试INT8样例
+
+	```shell
+	cd SAMPLE_BASE_DIR/sample
+	# sh run_impl.sh {预测库的地址} {测试脚本的名字} {模型目录}
+	# 我们随机生成了500个输入来模拟这一过程，建议大家用真实样例进行实验。
+	sh run_impl.sh BASE_DIR/fluid_inference_install_dir/  fluid_generate_calib_test SAMPLE_BASE_DIR/sample/mobilenetv1
+	
+	```
+	运行结束后，在 `SAMPLE_BASE_DIR/sample/build/mobilenetv1` 模型目录下会多出一个名字为trt_calib_*的文件，即校准表。
+	
+	``` shell
+	# 执行INT8预测
+	# 将带校准表的模型文件拷贝到特定地址
+	cp -rf SAMPLE_BASE_DIR/sample/build/mobilenetv1 SAMPLE_BASE_DIR/sample/mobilenetv1_calib
+	sh run_impl.sh BASE_DIR/fluid_inference_install_dir/  fluid_int8_test SAMPLE_BASE_DIR/sample/mobilenetv1_calib
+	```
+
+## <a name="Paddle-TRT子图运行原理">Paddle-TRT子图运行原理</a>
  
-## 子图运行原理
    PaddlePaddle采用子图的形式对TensorRT进行集成，当模型加载后，神经网络可以表示为由变量和运算节点组成的计算图。Paddle TensorRT实现的功能是能够对整个图进行扫描，发现图中可以使用TensorRT优化的子图，并使用TensorRT节点替换它们。在模型的推断期间，如果遇到TensorRT节点，Paddle会调用TensoRT库对该节点进行优化，其他的节点调用Paddle的原生实现。TensorRT在推断期间能够进行Op的横向和纵向融合，过滤掉冗余的Op，并对特定平台下的特定的Op选择合适的kenel等进行优化，能够加快模型的预测速度。  
 
 下图使用一个简单的模型展示了这个过程：