Add 2.0 inference api (#2558)

451a2764 · Wilber · GitHub · a42ac2cc · 451a2764 · 451a2764
2 changed file
--- a/doc/paddle/advanced_guide/inference_deployment/inference/native_infer.md
+++ b/doc/paddle/advanced_guide/inference_deployment/inference/native_infer.md
 # C++ 预测 API介绍

-为了更简单方便地预测部署，PaddlePaddle 提供了一套高层 C++ API 预测接口。
-
-下面是详细介绍。
+为了更简单方便地预测部署，PaddlePaddle 提供了一套高层 C++ API 预测接口。下面是详细介绍。

+如果您在使用2.0之前的Paddle，请参考[旧版API](https://www.paddlepaddle.org.cn/documentation/docs/zh/1.8/advanced_guide/inference_deployment/inference/native_infer.html)文档，升级到新版API请参考[推理升级指南](#推理升级指南)。

 ## 内容

- [使用AnalysisPredictor进行高性能预测](#使用AnalysisPredictor进行高性能预测)
- [使用AnalysisConfig管理预测配置](#使用AnalysisConfig管理预测配置)
- [使用ZeroCopyTensor管理输入/输出](#使用ZeroCopyTensor管理输入/输出)
+- [使用Predictor进行高性能预测](#使用Predictor进行高性能预测)
+- [使用Config管理预测配置](#使用Config管理预测配置)
+- [使用Tensor管理输入/输出](#使用Tensor管理输入/输出)
+- [使用PredictorPool在多线程下进行预测](#使用PredictorPool在多线程下进行预测)
 - [C++预测样例编译测试](#C++预测样例编译测试)
 - [性能调优](#性能调优)
+- [推理升级指南](#推理升级指南)
+- [C++ API](#C++_API)


+## <a name="使用Predictor进行高性能预测"> 使用Predictor进行高性能预测</a>

-## <a name="使用AnalysisPredictor进行高性能预测"> 使用AnalysisPredictor进行高性能预测</a>
-Paddle Fluid采用 AnalysisPredictor 进行预测。AnalysisPredictor 是一个高性能预测引擎，该引擎通过对计算图的分析，完成对计算图的一系列的优化（如OP的融合、内存/显存的优化、 MKLDNN，TensorRT 等底层加速库的支持等），能够大大提升预测性能。
+Paddle Inference采用 Predictor 进行预测。Predictor 是一个高性能预测引擎，该引擎通过对计算图的分析，完成对计算图的一系列的优化（如OP的融合、内存/显存的优化、 MKLDNN，TensorRT 等底层加速库的支持等），能够大大提升预测性能。

-为了展示完整的预测流程，下面是一个使用 AnalysisPredictor 进行预测的完整示例，其中涉及到的具体概念和配置会在后续部分展开详细介绍。
+为了展示完整的预测流程，下面是一个使用 Predictor 进行预测的完整示例，其中涉及到的具体概念和配置会在后续部分展开详细介绍。

-#### AnalysisPredictor 预测示例
+#### Predictor 预测示例

 ``` c++
 #include "paddle_inference_api.h"

-namespace paddle {
-void CreateConfig(AnalysisConfig* config, const std::string& model_dirname) {
+namespace paddle_infer {
+void CreateConfig(Config* config, const std::string& model_dirname) {
  // 模型从磁盘进行加载
  config->SetModel(model_dirname + "/model",
                   model_dirname + "/params");
@@ -41,10 +43,6 @@ void CreateConfig(AnalysisConfig* config, const std::string& model_dirname) {
  config->SetCpuMathLibraryNumThreads(10);
  */

-  // 使用ZeroCopyTensor，此处必须设置为false
-  config->SwitchUseFeedFetchOps(false);
-  // 若输入为多个，此处必须设置为true
-  config->SwitchSpecifyInputNames(true);
  config->SwitchIrDebug(true);         // 可视化调试选项，若开启，则会在每个图优化过程后生成dot文件
  // config->SwitchIrOptim(false);     // 默认为true。如果设置为false，关闭所有优化
  // config->EnableMemoryOptim();     // 开启内存/显存复用
@@ -52,11 +50,11 @@ void CreateConfig(AnalysisConfig* config, const std::string& model_dirname) {

 void RunAnalysis(int batch_size, std::string model_dirname) {
  // 1. 创建AnalysisConfig
-  AnalysisConfig config;
+  Config config;
  CreateConfig(&config, model_dirname);

  // 2. 根据config 创建predictor，并准备输入数据，此处以全0数据为例
-  auto predictor = CreatePaddlePredictor(config);
+  auto predictor = CreatePredictor(config);
  int channels = 3;
  int height = 224;
  int width = 224;
@@ -65,50 +63,45 @@ void RunAnalysis(int batch_size, std::string model_dirname) {
  // 3. 创建输入
  // 使用了ZeroCopy接口，可以避免预测中多余的CPU copy，提升预测性能
  auto input_names = predictor->GetInputNames();
-  auto input_t = predictor->GetInputTensor(input_names[0]);
+  auto input_t = predictor->GetInputHandle(input_names[0]);
  input_t->Reshape({batch_size, channels, height, width});
-  input_t->copy_from_cpu(input);
+  input_t->CopyFromCpu(input);

  // 4. 运行预测引擎
-  CHECK(predictor->ZeroCopyRun());
+  CHECK(predictor->Run());

  // 5. 获取输出
  std::vector<float> out_data;
  auto output_names = predictor->GetOutputNames();
-  auto output_t = predictor->GetOutputTensor(output_names[0]);
+  auto output_t = predictor->GetOutputHandle(output_names[0]);
  std::vector<int> output_shape = output_t->shape();
  int out_num = std::accumulate(output_shape.begin(), output_shape.end(), 1, std::multiplies<int>());

  out_data.resize(out_num);
-  output_t->copy_to_cpu(out_data.data());
+  output_t->CopyToCpu(out_data.data());
 }
-}  // namespace paddle
+}  // namespace paddle_infer

 int main() {
  // 模型下载地址 http://paddle-inference-dist.cdn.bcebos.com/tensorrt_test/mobilenet.tar.gz
-  paddle::RunAnalysis(1, "./mobilenet");
+  paddle_infer::RunAnalysis(1, "./mobilenet");
  return 0;
 }

-
 ```

-## <a name="使用AnalysisConfig管理预测配置"> 使用AnalysisConfig管理预测配置</a>
+## <a name="使用Config管理预测配置"> 使用Config管理预测配置</a>

-AnalysisConfig管理AnalysisPredictor的预测配置，提供了模型路径设置、预测引擎运行设备选择以及多种优化预测流程的选项。配置方法如下：
+Config管理Predictor的预测配置，提供了模型路径设置、预测引擎运行设备选择以及多种优化预测流程的选项。配置方法如下：

 #### 通用优化配置
 ``` c++
 config->SwitchIrOptim(true);  // 开启计算图分析优化，包括OP融合等
 config->EnableMemoryOptim();  // 开启内存/显存复用
 ```
-**Note:** 使用ZeroCopyTensor必须设置：
-``` c++
-config->SwitchUseFeedFetchOps(false);  // 关闭feed和fetch OP使用，使用ZeroCopy接口必须设置此项
-```

 #### 设置模型和参数路径
-从磁盘加载模型时，根据模型和参数文件存储方式不同，设置AnalysisConfig加载模型和参数的路径有两种形式：
+从磁盘加载模型时，根据模型和参数文件存储方式不同，设置Config加载模型和参数的路径有两种形式：

 * 非combined形式：模型文件夹`model_dir`下存在一个模型文件和多个参数文件时，传入模型文件夹路径，模型文件名默认为`__model__`。
 ``` c++
@@ -142,25 +135,23 @@ config->EnableTensorRtEngine(1 << 20      	   /*workspace_size*/,
 ```


-## <a name="使用ZeroCopyTensor管理输入/输出"> 使用ZeroCopyTensor管理输入/输出</a>
+## <a name="使用Tensor管理输入/输出"> 使用Tensor管理输入/输出</a>

-ZeroCopyTensor是AnalysisPredictor的输入/输出数据结构。ZeroCopyTensor的使用可以避免预测时候准备输入以及获取输出时多余的数据copy，提高预测性能。  
-
-**Note:** 使用ZeroCopyTensor，务必在创建config时设置`config->SwitchUseFeedFetchOps(false);`。
+Tensor是Predictor的输入/输出数据结构。

 ``` c++
-// 通过创建的AnalysisPredictor获取输入和输出的tensor
+// 通过创建的Predictor获取输入和输出的tensor
 auto input_names = predictor->GetInputNames();
-auto input_t = predictor->GetInputTensor(input_names[0]);
+auto input_t = predictor->GetInputHandle(input_names[0]);
 auto output_names = predictor->GetOutputNames();
-auto output_t = predictor->GetOutputTensor(output_names[0]);
+auto output_t = predictor->GetOutputHandle(output_names[0]);

 // 对tensor进行reshape
 input_t->Reshape({batch_size, channels, height, width});

-// 通过copy_from_cpu接口，将cpu数据输入；通过copy_to_cpu接口，将输出数据copy到cpu
-input_t->copy_from_cpu<float>(input_data /*数据指针*/);
-output_t->copy_to_cpu(out_data /*数据指针*/);
+// 通过CopyFromCpu接口，将cpu数据输入；通过CopyToCpu接口，将输出数据copy到cpu
+input_t->CopyFromCpu<float>(input_data /*数据指针*/);
+output_t->CopyToCpu(out_data /*数据指针*/);

 // 设置LOD
 std::vector<std::vector<size_t>> lod_data = {{0}, {0}};
@@ -172,7 +163,23 @@ int output_size;
 float *output_d = output_t->data<float>(PaddlePlace::kGPU, &output_size);
 ```

+## <a name="使用PredictorPool在多线程下进行预测"> 使用PredictorPool在多线程下进行预测</a>
+
+`PredictorPool`对`Predictor`进行管理。`PredictorPool`对`Predictor`进行了简单的封装，通过传入config和thread的数目来完成初始化，在每个线程中，根据自己的线程id直接从池中取出对应的`Predictor`来完成预测过程。
+
+```c++
+# 服务初始化时，完成PredictorPool的初始化
+PredictorPool pool(config, thread_num);
+
+# 根据线程id来获取Predictor
+auto predictor = pool.Retrive(thread_id);
+
+# 使用Predictor进行预测
+...
+```
+
 ## <a name="C++预测样例编译测试"> C++预测样例编译测试</a>
+
 1. 下载或编译paddle预测库，参考[安装与编译C++预测库](./build_and_install_lib_cn.html)。
 2. 下载[预测样例](https://paddle-inference-dist.bj.bcebos.com/tensorrt_test/paddle_inference_sample_v1.7.tar.gz)并解压，进入`sample/inference`目录下。  

@@ -222,6 +229,7 @@ float *output_d = output_t->data<float>(PaddlePlace::kGPU, &output_size);
    ```

 ## <a name="性能调优"> 性能调优</a>
+
 ### CPU下预测
 1. 在CPU型号允许的情况下，尽量使用带AVX和MKL的版本。
 2. 可以尝试使用Intel的 MKLDNN 加速。
@@ -231,7 +239,7 @@ float *output_d = output_t->data<float>(PaddlePlace::kGPU, &output_size);
 1. 可以尝试打开 TensorRT 子图加速引擎, 通过计算图分析，Paddle可以自动将计算图中部分子图融合，并调用NVIDIA的 TensorRT 来进行加速，详细内容可以参考 [使用Paddle-TensorRT库预测](../../performance_improving/inference_improving/paddle_tensorrt_infer.html)。

 ### 多线程预测
-Paddle Fluid支持通过在不同线程运行多个AnalysisPredictor的方式来优化预测性能，支持CPU和GPU环境。
+Paddle Inference支持通过在不同线程运行多个Predictor的方式来优化预测性能，支持CPU和GPU环境。

 使用多线程预测的样例详见[C++预测样例编译测试](#C++预测样例编译测试)中下载的[预测样例](https://paddle-inference-dist.bj.bcebos.com/tensorrt_test/paddle_inference_sample_v1.7.tar.gz)中的
 `thread_mobilenet_test.cc`文件。可以将`run.sh`中`mobilenet_test`替换成`thread_mobilenet_test`再执行
@@ -241,3 +249,1233 @@ sh run.sh
 ```

 即可运行多线程预测样例。
+
+## <a name="推理升级指南"> 推理升级指南</a>
+
+2.0对API做了整理，简化了写法，以及去掉了历史上冗余的概念。
+
+新的 API 为纯增，原有 API 保持不变，在后续版本会逐步删除。
+
+重要变化：
+
+- 命名空间从 `paddle` 变更为 `paddle_infer`
+- `PaddleTensor`, `PaddleBuf` 等被废弃，`ZeroCopyTensor` 变为默认 Tensor 类型，并更名为 `Tensor`
+- 新增 `PredictorPool` 工具类简化多线程 predictor 的创建，后续也会增加更多周边工具
+- `CreatePredictor` (原 `CreatePaddlePredictor`) 的返回值由 `unique_ptr` 变为 `shared_ptr` 以避免 Clone 后析构顺序出错的问题
+
+API 变更
+
+| 原有命名                     | 现有命名                     | 行为变化                      |
+| ---------------------------- | ---------------------------- | ----------------------------- |
+| 头文件 `paddle_infer.h`      | 无变化                       | 包含旧接口，保持向后兼容      |
+| 无                           | `paddle_inference_api.h`     | 新API，可以与旧接口并存       |
+| `CreatePaddlePredictor`      | `CreatePredictor`            | 返回值变为 shared_ptr         |
+| `ZeroCopyTensor`             | `Tensor`                     | 无                            |
+| `AnalysisConfig`             | `Config`                     | 无                            |
+| `TensorRTConfig`             | 废弃                         |                               |
+| `PaddleTensor` + `PaddleBuf` | 废弃                         |                               |
+| `Predictor::GetInputTensor`  | `Predictor::GetInputHandle`  | 无                            |
+| `Predictor::GetOutputTensor` | `Predictor::GetOutputHandle` | 无                            |
+|                              | `PredictorPool`              | 简化创建多个 predictor 的支持 |
+
+使用新 C++ API 的流程与之前完全一致，只有命名变化
+
+```c++
+#include "paddle_infernce_api.h"
+using namespace paddle_infer;
+
+Config config;
+config.SetModel("xxx_model_dir");
+
+auto predictor = CreatePredictor(config);
+
+// Get the handles for the inputs and outputs of the model
+auto input0 = predictor->GetInputHandle("X");
+auto output0 = predictor->GetOutputHandle("Out");
+
+for (...) {
+    // Assign data to input0
+  MyServiceSetData(input0);
+
+  predictor->Run();
+
+  // get data from the output0 handle
+  MyServiceGetData(output0);
+}
+```
+
+## <a name="C++_API"> C++ API</a>
+
+##### CreatePredictor
+
+```c++
+std::shared_ptr<Predictor> CreatePredictor(const Config& config);
+```
+
+`CreatePredictor`用来根据`Config`构建预测引擎。
+
+示例：
+
+```c++
+// 设置Config
+Config config;
+config.SetModel(FLAGS_model_dir);
+
+// 根据Config创建Predictor
+std::shared_ptr<Predictor> predictor = CreatePredictor(config);
+```
+
+参数：
+
+- `config(Config)` - 用于构建Predictor的配置信息
+
+返回：`Predictor`智能指针
+
+返回类型：`std::shared_ptr<Predictor>`
+
+##### GetVersion()
+
+```c++
+std::string GetVersion();
+```
+
+打印Paddle Inference的版本信息。
+
+参数：
+
+- `None`
+
+返回：版本信息
+
+返回类型：`std::string`
+
+##### PlaceType
+
+```c++
+enum class PaddlePlace { kUNK };
+using PlaceType = paddle::PaddlePlace;
+```
+
+PlaceType为目标设备硬件类型，用户可以根据应用场景选择硬件平台类型。
+
+枚举变量`PlaceType`的所有可能取值包括：
+
+`{kUNK, kCPU, kGPU}`
+
+##### PrecisionType
+
+```c++
+enum class Precision { kFloat32 };
+using PrecisionType = paddle::AnalysisConfig::Precision;
+```
+
+`PrecisionType`设置模型的运行精度，默认值为kFloat32(float32)。
+
+枚举变量`PrecisionType`的所有可能取值包括：
+
+`{kFloat32, kInt8, kHalf}`
+
+##### DataType
+
+```c++
+enum class PaddleDType { FLOAT32 };
+using DataType = paddle::PaddleDType;
+```
+
+`DataType`为模型中Tensor的数据精度，默认值为FLOAT32(float32)。
+
+枚举变量`DataType`的所有可能取值包括：
+
+`{FLOAT32, INT64, INT32, UINT8}`
+
+##### GetNumBytesOfDataType
+
+```c++
+int GetNumBytesOfDataType(DataType dtype);
+```
+
+获取各个`DataType`对应的字节数。
+
+参数：
+
+- `dtype` - DataType枚举
+
+返回：字节数
+
+返回类型：`int`
+
+
+##### Predictor
+
+```c++
+class Predictor;
+```
+
+`Predictor`是Paddle Inference的预测器，由`CreatePredictor`根据`Config`进行创建。用户可以根据Predictor提供的接口设置输入数据、执行模型预测、获取输出等.
+
+示例：
+
+```c++
+using namespace paddle_infer;
+
+Config config;
+config.SetModel("xxx_model_dir");
+
+auto predictor = CreatePredictor(config);
+
+// Get the handles for the inputs and outputs of the model
+auto input0 = predictor->GetInputHandle("X");
+auto output0 = predictor->GetOutputHandle("Out");
+
+for (...) {
+    // Assign data to input0
+  MyServiceSetData(input0);
+
+  predictor->Run();
+
+  // get data from the output0 handle
+  MyServiceGetData(output0);
+}
+```
+
+###### GetInputNames()
+
+获取所有输入Tensor的名称。
+
+参数：
+
+- `None`
+
+返回：所有输入Tensor的名称
+
+返回类型：`std::vector<std::string>`
+
+###### GetOutputNames()
+
+获取所有输出Tensor的名称。
+
+参数：
+
+- `None`
+
+返回：所有输出Tensor的名称
+
+返回类型：`std::vector<std::string>`
+
+###### GetInputHandle(const std::string& name)
+
+根据名称获取输入Tensor的句柄。
+
+参数：
+
+- `name` - Tensor的名称
+
+返回：指向`Tensor`的指针
+
+返回类型：`std::unique_ptr<Tensor>`
+
+###### GetOutputHandle(const std::string& name)
+
+根据名称获取输出Tensor的句柄。
+
+参数：
+
+- `name` - Tensor的名称
+
+返回：指向`Tensor`的指针
+
+返回类型：`std::unique_ptr<Tensor>`
+
+###### Run()
+
+执行模型预测，需要在***设置输入数据后***调用。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### ClearIntermediateTensor()
+
+释放中间tensor。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### Clone()
+
+根据该Predictor，克隆一个新的Predictor，两个Predictor之间共享权重。
+
+参数：
+
+- `None`
+
+返回：新的Predictor
+
+返回类型：`std::unique_ptr<Predictor>`
+
+
+##### Tensor
+
+```c++
+class Tensor;
+```
+
+Tensor是Paddle Inference的数据组织形式，用于对底层数据进行封装并提供接口对数据进行操作，包括设置Shape、数据、LoD信息等。
+
+*注意：用户应使用`Predictor`的`GetInputHandle`和`GetOuputHandle`接口获取输入/输出的`Tensor`。*
+
+示例：
+
+```c++
+// 通过创建的Predictor获取输入和输出的tensor
+auto input_names = predictor->GetInputNames();
+auto input_t = predictor->GetInputHandle(input_names[0]);
+auto output_names = predictor->GetOutputNames();
+auto output_t = predictor->GetOutputHandle(output_names[0]);
+
+// 对tensor进行reshape
+input_t->Reshape({batch_size, channels, height, width});
+
+// 通过CopyFromCpu接口，将cpu数据输入；通过CopyToCpu接口，将输出数据copy到cpu
+input_t->CopyFromCpu<float>(input_data /*数据指针*/);
+output_t->CopyToCpu(out_data /*数据指针*/);
+
+// 设置LOD
+std::vector<std::vector<size_t>> lod_data = {{0}, {0}};
+input_t->SetLoD(lod_data);
+
+// 获取Tensor数据指针
+float *input_d = input_t->mutable_data<float>(PlaceType::kGPU);  // CPU下使用PlaceType::kCPU
+int output_size;
+float *output_d = output_t->data<float>(PlaceType::kGPU, &output_size);
+```
+
+###### Reshape(shape)
+
+设置Tensor的维度信息。
+
+参数：
+
+- `shape(const std::vector<int>&)` - 维度信息
+
+返回：`None`
+
+返回类型：`void`
+
+###### shape()
+
+获取Tensor的维度信息。
+
+参数：
+
+- `None`
+
+返回：Tensor的维度信息
+
+返回类型：`std::vector<int>`
+
+###### CopyFromCpu(data)
+
+```c++
+template <typename T>
+void CopyFromCpu(const T* data);
+```
+
+从cpu获取数据，设置到tensor内部。
+
+示例：
+
+```c++
+// float* data = ...;
+auto in_tensor = predictor->GetInputHandle("in_name");
+in_tensor->CopyFromCpu(data);
+```
+
+参数：
+
+- `data(const T*)` - cpu数据指针
+
+返回：`None`
+
+返回类型：`void`
+
+###### CopyToCpu(data)
+
+```c++
+template <typename T>
+void CopyToCpu(T* data);
+```
+
+示例：
+
+```c++
+std::vector<float> data(100);
+auto out_tensor = predictor->GetOutputHandle("out_name");
+out_tensor->CopyToCpu(data.data());
+```
+
+参数：
+
+- `data(T*)` - cpu数据指针
+
+返回：`None`
+
+返回类型：`void`
+
+
+###### data<T>(place, size)
+
+```c++
+template <typename T>
+T* data(PlaceType* place, int* size) const;
+```
+
+获取Tensor的底层数据的常量指针，用于读取Tensor数据。
+
+示例：
+
+```c++
+PlaceType place;
+int size;
+auto out_tensor = predictor->GetOutputHandle("out_name");
+float* data = out_tensor->data<float>(&place, &size);
+```
+
+参数：
+
+- `place(PlaceType*)` - 获取tensor的PlaceType
+- `size(int*)` - 获取tensor的size
+
+返回：数据指针
+
+返回类型：`T*`
+
+###### mutable_data<T>(place)
+
+```c++
+template <typename T>
+T* mutable_data(PlaceType place);
+```
+
+获取Tensor的底层数据的指针，用于设置Tensor数据。
+
+```c++
+auto in_tensor = predictor->GetInputHandle("in_name");
+float* data = out_tensor->mutable_data<float>(PlaceType::kCPU);
+data[0] = 1.;
+```
+
+参数：
+
+- `place(PlaceType)` - 设备信息
+
+返回：`Tensor`底层数据指针
+
+返回类型：`T*`
+
+###### SetLoD(lod)
+
+设置Tensor的LoD信息。
+
+参数：
+
+- `lod(const std::vector<std::vector<size_t>>)` - Tensor的LoD信息
+
+返回：`None`
+
+返回类型：`void`
+
+###### lod()
+
+获取Tensor的LoD信息
+
+参数：
+
+- `None`
+
+返回：`Tensor`的LoD信息
+
+返回类型：`std::vector<std::vector<size_t>>`
+
+###### type()
+
+tensor的DataType信息。
+
+参数：
+
+- `None`
+
+返回：`Tensor`的DataType信息
+
+返回类型：`DataType`
+
+###### name()
+
+tensor对应的name。
+
+参数：
+
+- `None`
+
+返回：`Tensor`对应的name
+
+返回类型：`std::string`
+
+##### Config
+
+```c++
+class Config;
+```
+
+`Config`用来配置构建`Predictor`的配置信息，如模型路径、是否开启gpu等等。
+
+示例：
+
+```c++
+Config config;
+config.SetModel(FLAGS_model_dir);
+config.DisableGpu();
+config->SwitchIrOptim(false);     // 默认为true。如果设置为false，关闭所有优化
+config->EnableMemoryOptim();     // 开启内存/显存复用
+```
+
+###### SetModel(const std::string& model_dir)
+
+设置模型文件路径，当需要从磁盘加载非combine模式时使用。
+
+参数：
+
+- `model_dir` - 模型文件夹路径
+
+返回：`None`
+
+返回类型：`void`
+
+
+###### model_dir()
+
+获取模型文件夹路径。
+
+参数：
+
+- `None`
+
+返回：模型文件夹路径
+
+返回类型：`string`
+
+
+###### SetModel(const std::string& prog, const std::string& params)
+
+设置模型文件路径，当需要从磁盘加载combine模式时使用。
+
+参数：
+
+- `prog` - 模型文件路径
+- `params` - 模型参数文件路径
+
+返回：`None`
+
+返回类型：`void`
+
+###### SetProgFile(const std::string& prog)
+
+设置模型文件路径。
+
+参数：
+
+- `prog` - 模型文件路径
+
+返回：`None`
+
+返回类型：`void`
+
+###### prog_file()
+
+获取模型文件路径。
+
+参数：
+
+- `None`
+
+返回：模型文件路径
+
+返回类型：`string`
+
+###### SetParamsFile(const std::string& params)
+
+设置模型参数文件路径。
+
+参数：
+
+- `params` - 模型文件路径
+
+返回：`None`
+
+返回类型：`void`
+
+###### params_file()
+
+获取模型参数文件路径。
+
+参数：
+
+- `None`
+
+返回：模型参数文件路径
+
+返回类型：`string`
+
+###### SetModelBuffer(const char* prog_buffer, size_t prog_buffer_size, const char* params_buffer, size_t params_buffer_size)
+
+从内存加载模型。
+
+参数：
+
+- `prog_buffer` - 内存中模型结构数据
+- `prog_buffer_size` - 内存中模型结构数据的大小
+- `params_buffer` - 内存中模型参数数据
+- `params_buffer_size` - 内存中模型参数数据的大小
+
+返回：`None`
+
+返回类型：`void`
+
+###### model_from_memory()
+
+判断是否从内存中加载模型。
+
+参数：
+
+- `None`
+
+返回：是否从内存中加载模型
+
+返回类型：`bool`
+
+###### SetOptimCacheDir(const std::string& opt_cache_dir)
+
+设置缓存路径。
+
+参数：
+
+- `opt_cache_dir` - 缓存路径
+
+返回：`None`
+
+返回类型：`void`
+
+###### DisableFCPadding（）
+
+关闭fc padding。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### use_fc_padding()
+
+判断是否启用fc padding。
+
+参数：
+
+- `None`
+
+返回：是否启用fc padding
+
+返回类型：`bool`
+
+###### EnableUseGpu(uint64_t memory_pool_init_size_mb, int device_id = 0)
+
+启用gpu。
+
+参数：
+
+- `memory_pool_init_size_mb` - 初始化分配的gpu显存，以MB为单位
+- `device_id` - 设备id
+
+返回：`None`
+
+返回类型：`void`
+
+###### DisableGpu()
+
+禁用gpu。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### use_gpu()
+
+是否启用gpu。
+
+参数：
+
+- `None`
+
+返回：是否启用gpu
+
+返回类型：`bool`
+
+###### gpu_device_id()
+
+获取gpu的device id。
+
+参数：
+
+- `None`
+
+返回：gpu的device id
+
+返回类型：`int`
+
+###### memory_pool_init_size_mb()
+
+获取gpu的初始显存大小。
+
+参数：
+
+- `None`
+
+返回：初始的显存大小
+
+返回类型：`int`
+
+###### fraction_of_gpu_memory_for_pool()
+
+初始化显存占总显存的百分比
+
+参数：
+
+- `None`
+
+返回：初始的显存占总显存的百分比
+
+返回类型：`float`
+
+###### EnableCUDNN()
+
+启用cudnn。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### cudnn_enabled()
+
+是否启用cudnn。
+
+参数：
+
+- `None`
+
+返回：是否启用cudnn
+
+返回类型：`bool`
+
+###### EnableXpu(int l3_workspace_size)
+
+启用xpu。
+
+参数：
+
+- `l3_workspace_size` - l3 cache分配的显存大小
+
+返回：`None`
+
+返回类型：`void`
+
+###### SwitchIrOptim(int x=true)
+
+设置是否开启ir优化。
+
+参数：
+
+- `x` - 是否开启ir优化，默认打开
+
+返回：`None`
+
+返回类型：`void`
+
+###### ir_optim()
+
+是否开启ir优化。
+
+参数：
+
+- `None`
+
+返回：是否开启ir优化
+
+返回类型：`bool`
+
+###### SwitchUseFeedFetchOps(int x = true)
+
+设置是否使用feed，fetch op，仅内部使用。
+
+参数：
+
+- `x` - 是否使用feed, fetch op
+
+返回：`None`
+
+返回类型：`void`
+
+###### use_feed_fetch_ops_enabled()
+
+是否使用feed，fetch op。
+
+参数：
+
+- `None`
+
+返回：是否使用feed，fetch op
+
+返回类型：`bool`
+
+###### SwitchSpecifyInputNames(bool x = true)
+
+设置是否需要指定输入tensor的name。
+
+参数：
+
+- `x` - 是否指定输入tensor的name
+
+返回：`None`
+
+返回类型：`void`
+
+###### specify_input_name()
+
+是否需要指定输入tensor的name。
+
+参数：
+
+- `None`
+
+返回：是否需要指定输入tensor的name
+
+返回类型：`bool`
+
+###### EnableTensorRtEngine(int workspace_size = 1 << 20, int max_batch_size = 1, int min_subgraph_size = 3, Precision precision = Precision::kFloat32, bool use_static = false, bool use_calib_mode = true)
+
+设置是否启用TensorRT。
+
+参数：
+
+- `workspace_size` - 指定TensorRT使用的工作空间大小
+- `max_batch_size` - 设置最大的batch大小，运行时batch大小不得超过此限定值
+- `min_subgraph_size` - Paddle-TRT是以子图的形式运行，为了避免性能损失，当子图内部节点个数大于min_subgraph_size的时候，才会使用Paddle-TRT运行
+- `precision` - 指定使用TRT的精度，支持FP32（kFloat32），FP16（kHalf），Int8（kInt8）
+- `use_static` - 如果指定为true，在初次运行程序的时候会将TRT的优化信息进行序列化到磁盘上，下次运行时直接加载优化的序列化信息而不需要重新生成
+- `use_calib_mode` - 若要运行Paddle-TRT int8离线量化校准，需要将此选项设置为true
+
+返回：`None`
+
+返回类型：`void`
+
+###### tensorrt_engine_enabled()
+
+是否启用tensorRT。
+
+参数：
+
+- `None`
+
+返回：是否启用tensorRT
+
+返回类型：`bool`
+
+###### SetTRTDynamicShapeInfo(std::map<std::string, std::vector<int>> min_input_shape, std::map<std::string, std::vector<int>> max_input_shape, std::map<std::string, std::vector<int>> optim_input_shape, bool disable_trt_plugin_fp16 = false)
+
+设置tensorRT的动态shape。
+
+参数：
+
+- `min_input_shape` - tensorRT子图支持动态shape的最小shape
+- `max_input_shape` - tensorRT子图支持动态shape的最大shape
+- `optim_input_shape` - tensorRT子图支持动态shape的最优shape
+- `disable_trt_plugin_fp16` - 设置tensorRT的plugin不在fp16精度下运行
+
+返回：`None`
+
+返回类型：`void`
+
+###### EnableLiteEngine(AnalysisConfig::Precision precision_mode = Precsion::kFloat32, bool zero_copy = false, const std::vector<std::string>& passes_filter = {}, const std::vector<std::string>& ops_filter = {})
+
+启用lite子图。
+
+参数：
+
+- `precision_mode` - lite子图的运行精度
+- `zero_copy` - 启用zero_copy，lite子图与paddle inference之间共享数据
+- `passes_filter` - 设置lite子图的pass
+- `ops_filter` - 设置不使用lite子图运行的op
+
+返回：`None`
+
+返回类型：`void`
+
+###### lite_engine_enabled()
+
+是否启用lite子图。
+
+参数：
+
+- `None`
+
+返回：是否启用lite子图
+
+返回类型：`bool`
+
+###### SwitchIrDebug(int x = true)
+
+设置是否在图分析阶段打印ir，启用后会在每一个pass后生成dot文件。
+
+参数：
+
+- `x` - 是否打印ir
+
+返回：`None`
+
+返回类型：`void`
+
+###### EnableMKLDNN()
+
+启用mkldnn。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### SetMkldnnCacheCapacity(int capacity)
+
+设置mkldnn针对不同输入shape的cache容量大小，MKLDNN cache设计文档请参考[链接](https://github.com/PaddlePaddle/FluidDoc/blob/develop/doc/fluid/design/mkldnn/caching/caching.md)
+
+参数：
+
+- `capacity` - cache容量大小
+
+返回：`None`
+
+返回类型：`void`
+
+###### mkldnn_enabled()
+
+是否启用mkldnn。
+
+参数：
+
+- `None`
+
+返回：是否启用mkldnn
+
+返回类型：`bool`
+
+###### SetMKLDNNOp(std::unordered_set<std::string> op_list)
+
+指定优先使用mkldnn加速的op列表。
+
+参数：
+
+- `op_list` - 优先使用mkldnn的op列表
+
+返回：`None`
+
+返回类型：`void`
+
+###### EnableMkldnnQuantizer()
+
+启用mkldnn量化。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### mkldnn_quantizer_enabled()
+
+是否启用mkldnn量化。
+
+参数：
+
+- `None`
+
+返回：是否启用mkldnn量化
+
+返回类型：`bool`
+
+###### EnableMkldnnBfloat16()
+
+启用mkldnn bf16。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### mkldnn_bfloat16_enabled()
+
+是否启用mkldnn bf16。
+
+参数：
+
+- `None`
+
+返回：是否启用mkldnn bf16
+
+返回类型：`bool`
+
+###### mkldnn_quantizer_config()
+
+返回mkldnn量化config。
+
+参数：
+
+- `None`
+
+返回：mkldnn量化config
+
+返回类型：`MkldnnQuantizerConfig`
+
+###### SetCpuMathLibraryNumThreads(int cpu_math_library_num_threads)
+
+设置cpu blas库计算线程数。
+
+参数：
+
+- `cpu_math_library_num_threads` - blas库计算线程数
+
+返回：`None`
+
+返回类型：`void`
+
+###### cpu_math_library_num_threads()
+
+cpu blas库计算线程数。
+
+参数：
+
+- `None`
+
+返回：cpu blas库计算线程数。
+
+返回类型：`int`
+
+###### ToNativeConfig()
+
+转化为NativeConfig，不推荐使用。
+
+参数：
+
+- `None`
+
+返回：当前Config对应的NativeConfig
+
+返回类型：`NativeConfig`
+
+###### EnableGpuMultiStream()
+
+开启线程流，目前的行为是为每一个线程绑定一个流，在将来该行为可能改变。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### thread_local_stream_enabled()
+
+是否启用线程流。
+
+参数：
+
+- `None`
+
+返回：是否启用线程流。
+
+返回类型：`bool`
+
+###### EnableMemoryOptim()
+
+开启内/显存复用，具体降低内存效果取决于模型结构。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### enable_memory_optim()
+
+是否开启内/显存复用。
+
+参数：
+
+- `None`
+
+返回：是否开启内/显存复用。
+
+返回类型：`bool`
+
+###### EnableProfile()
+
+打开profile，运行结束后会打印所有op的耗时占比。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### profile_enabled()
+
+是否开启profile。
+
+参数：
+
+- `None`
+
+返回：是否开启profile
+
+返回类型：`bool`
+
+###### DisableGlogInfo()
+
+去除Paddle Inference运行中的log。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### glog_info_disabled()
+
+是否禁用了log。
+
+参数：
+
+- `None`
+
+返回：是否禁用了log
+
+返回类型：`bool`
+
+###### SetInValid()
+
+设置Config为无效状态，仅内部使用，保证每一个Config仅用来初始化一次Predictor。
+
+参数：
+
+- `None`
+
+返回：`None`
+
+返回类型：`void`
+
+###### is_valid()
+
+当前Config是否有效。
+
+参数：
+
+- `None`
+
+返回：Config是否有效
+
+返回类型：`bool`
+
+###### pass_builder()
+
+返回pass_builder，用来自定义图分析阶段选择的ir。
+
+示例:
+
+```c++
+Config config;
+auto pass_builder = config.pass_builder()
+pass_builder->DeletePass("fc_fuse_pass") // 去除fc_fuse
+```
+
+参数：
+
+- `None`
+
+返回：pass_builder
+
+返回类型：`PassStrategy`
+
+##### PredictorPool
+
+```c++
+class PredictorPool;
+```
+
+`PredictorPool`对`Predictor`进行了简单的封装，通过传入config和thread的数目来完成初始化，在每个线程中，根据自己的线程id直接从池中取出对应的`Predictor`来完成预测过程。
+
+示例：
+
+```c++
+Config config;
+// init config
+int thread_num = 4;
+
+PredictorPool pool(config, thread_num);
+
+auto predictor0 = pool.Retrive(0);
+...
+auto predictor3 = pool.Retrive(3);
+```
+
+###### Retrive(idx)
+
+根据线程id取出该线程对应的Predictor。
+
+参数：
+
+- `idx(int)` - 线程id
+
+返回：线程对应的Predictor
+
+返回类型：`Predictor*`
--- a/doc/paddle/advanced_guide/inference_deployment/inference/python_infer_cn.md
+++ b/doc/paddle/advanced_guide/inference_deployment/inference/python_infer_cn.md
 # Python 预测 API介绍

-Fluid提供了高度优化的[C++预测库](./native_infer.html)，为了方便使用，我们也提供了C++预测库对应的Python接口，下面是详细的使用说明。
-
+Paddle提供了高度优化的[C++预测库](./native_infer.html)，为了方便使用，我们也提供了C++预测库对应的Python接口，下面是详细的使用说明。

+如果您在使用2.0之前的Paddle，请参考[旧版API](https://www.paddlepaddle.org.cn/documentation/docs/zh/1.8/advanced_guide/inference_deployment/inference/python_infer_cn.html)文档。

 ## Python预测相关数据结构

-使用Python预测API与C++预测API相似，主要包括`PaddleTensor`, `PaddleDType`, `AnalysisConfig`和`PaddlePredictor`，分别对应于C++ API中同名的类型。
+使用Python预测API与C++预测API相似，主要包括`Tensor`, `DataType`, `Config`和`Predictor`，分别对应于C++ API中同名的类型。

-### PaddleTensor
+### DataType

-class paddle.fluid.core.PaddleTensor
+class paddle.inference.DataType

-`PaddleTensor`是预测库输入和输出的数据结构，包括以下字段
+`DataType`定义了`Tensor`的数据类型，由传入`Tensor`的numpy数组类型确定，包括以下成员

-* `name`(str): 指定输入的名称
-* `shape`(tuple|list): Tensor的shape
-* `data`(numpy.ndarray): Tensor的数据，可在PaddleTensor构造的时候用`numpy.ndarray`直接传入
-* `dtype`(PaddleDType): Tensor的类型
-* `lod`(List[List[int]]): [LoD](../../../user_guides/howto/basic_concept/lod_tensor.html)信息
+* `INT64`: 64位整型
+* `INT32`: 32位整型
+* `FLOAT32`: 32位浮点型

-`PaddleTensor`包括以下方法
+### PrecisionType

-* `as_ndarray`: 返回`data`对应的numpy数组
+class paddle.3.inference.PrecisionType

-#### 代码示例
-``` python
-tensor = PaddleTensor(name="tensor", data=numpy.array([1, 2, 3], dtype="int32"))
-```
-调用`PaddleTensor`的成员字段和方法输出如下：
-``` python
->>> tensor.name
-'tensor'
->>> tensor.shape
-[3]
->>> tensor.dtype
-PaddleDType.INT32
->>> tensor.lod
-[]
->>> tensor.as_ndarray()
-array([1, 2, 3], dtype=int32)
-```
+`PrecisionType`定义了`Predictor`运行的精度模式，包括一下成员

+* `Float32`: fp32模式运行
+* `Half`: fp16模式运行
+* `Int8`: int8模式运行

-### PaddleDType
+### Tensor

-class paddle.fluid.core.PaddleTensor
+class paddle.inference.Tensor

-`PaddleDType`定义了`PaddleTensor`的数据类型，由传入`PaddleTensor`的numpy数组类型确定，包括以下成员
+`Tensor`是`Predictor`的一种输入/输出数据结构，通过`predictor`获取输入/输出handle得到，主要提供以下方法

-* `INT64`: 64位整型
-* `INT32`: 32位整型
-* `FLOAT32`: 32位浮点型
+* `copy_from_cpu`: 从cpu获取模型运行所需输入数据
+* `copy_to_cpu`: 获取模型运行输出结果
+* `lod`: 获取lod信息
+* `set_lod`: 设置lod信息
+* `shape`: 获取shape信息
+* `reshape`: 设置shape信息
+* `type`: 获取DataType信息

-### AnalysisConfig
+``` python
+# 创建predictor
+predictor = create_predictor(config)
+
+# 获取输入的名称
+input_names = predictor.get_input_names()
+input_tensor = predictor.get_input_handle(input_names[0])

-class paddle.fluid.core.AnalysisConfig
+# 设置输入
+fake_input = numpy.random.randn(1, 3, 318, 318).astype("float32")
+input_tensor.copy_from_cpu(fake_input)

-`AnalysisConfig`是创建预测引擎的配置，提供了模型路径设置、预测引擎运行设备选择以及多种优化预测流程的选项，主要包括以下方法  
+# 运行predictor
+predictor.run()
+
+# 获取输出
+output_names = predictor.get_output_names()
+output_tensor = predictor.get_output_handle(output_names[0])
+output_data = output_tensor.copy_to_cpu() # numpy.ndarray类型
+```
+
+### Config
+
+class paddle.inference.Config
+
+`Config`是创建预测引擎的配置，提供了模型路径设置、预测引擎运行设备选择以及多种优化预测流程的选项，主要包括以下方法

 * `set_model`: 设置模型的路径
 * `model_dir`: 返回模型文件夹路径
@@ -71,15 +81,16 @@ class paddle.fluid.core.AnalysisConfig
 * `enable_mkldnn`: 开启MKLDNN
 * `disable_glog_info`: 禁用预测中的glog日志
 * `delete_pass`: 预测的时候删除指定的pass
+
 #### 代码示例
 设置模型和参数路径有两种形式：
 * 当模型文件夹下存在一个模型文件和多个参数文件时，传入模型文件夹路径，模型文件名默认为`__model__`
 ``` python
-config = AnalysisConfig("./model")
+config = Config("./model")
 ```
 * 当模型文件夹下只有一个模型文件和一个参数文件时，传入模型文件和参数文件路径
 ``` python
-config = AnalysisConfig("./model/model", "./model/params")
+config = Config("./model/model", "./model/params")
 ```
 使用`set_model`方法设置模型和参数路径方式同上

@@ -89,145 +100,51 @@ config.enable_use_gpu(100, 0) # 初始化100M显存，使用gpu id为0
 config.gpu_device_id()        # 返回正在使用的gpu id
 config.disable_gpu()          # 禁用gpu
 config.switch_ir_optim(True)  # 开启IR优化
-config.enable_tensorrt_engine(precision_mode=AnalysisConfig.Precision.Float32,
+config.enable_tensorrt_engine(precision_mode=PrecisionType.Float32,
                              use_calib_mode=True) # 开启TensorRT预测，精度为fp32，开启int8离线量化
 config.enable_mkldnn()          # 开启MKLDNN
 ```

+### Predictor

+class paddle.inference.Predictor

-### PaddlePredictor
-
-class paddle.fluid.core.PaddlePredictor
-
-`PaddlePredictor`是运行预测的引擎，由`paddle.fluid.core.create_paddle_predictor(config)`创建，主要提供以下方法
-
-* `run`: 输入和返回值均为`PaddleTensor`列表类型，功能为运行预测引擎，返回预测结果
-
-#### 代码示例
-
-``` python
-# 设置完AnalysisConfig后创建预测引擎PaddlePredictor
-predictor = create_paddle_predictor(config)
-
-# 设置输入
-x = numpy.array([1, 2, 3], dtype="int64")
-x_t = fluid.core.PaddleTensor(x)
-
-y = numpy.array([4], dtype = "int64")
-y_t = fluid.core.PaddleTensor(y)
-
-# 运行预测引擎得到结果，返回值是一个PaddleTensor的列表
-results = predictor.run([x_t, y_t])
-
-# 获得预测结果，并应用到自己的应用中
-```
-
-### 使用ZeroCopyTensor管理输入/输出
-
-`ZeroCopyTensor`是`AnalysisPredictor`的一种输入/输出数据结构，与`PaddleTensor`等同。`ZeroCopyTensor`相比于`PaddleTensor`，可以避免预测时候准备输入以及获取输出时多余的数据拷贝，提高预测性能。
-
-注意: 需要注意的是，使用`ZeroCopyTensor`，务必在创建`config`时设置`config.switch_use_feed_fetch_ops(False)`用于显式地在模型运行的时候删去`feed`和`fetch`ops，不会影响模型的效果，但是能提升性能。
+`Predictor`是运行预测的引擎，由`paddle.inference.create_predictor(config)`创建，主要提供以下方法

-``` python
-# 创建predictor
-predictor = create_paddle_predictor(config)
-
-# 获取输入的名称
-input_names = predictor.get_input_names()
-input_tensor = predictor.get_input_tensor(input_names[0])
-
-# 设置输入
-fake_input = numpy.random.randn(1, 3, 318, 318).astype("float32")
-input_tensor.copy_from_cpu(fake_input)
-
-# 运行predictor
-predictor.zero_copy_run()
-
-# 获取输出
-output_names = predictor.get_output_names()
-output_tensor = predictor.get_output_tensor(output_names[0])
-output_data = output_tensor.copy_to_cpu() # numpy.ndarray类型
-```
-
-### AnalysisPredictor
-
-class paddle.fluid.core.AnalysisPredictor
-
-`AnalysisPredictor`是运行预测的引擎，继承于`PaddlePredictor`，同样是由`paddle.fluid.core.create_paddle_predictor(config)`创建，主要提供以下方法
-
-* `zero_copy_run()`: 运行预测引擎，返回预测结果
+* `run()`: 运行预测引擎，返回预测结果
 * `get_input_names()`: 获取输入的名称
-* `get_input_tensor(input_name: str)`: 根据输入的名称获取对应的`ZeroCopyTensor`
+* `get_input_handle(input_name: str)`: 根据输入的名称获取对应的`Tensor`
 * `get_output_names()`: 获取输出的名称
-* `get_output_tensor(output_name: str)`: 根据输出的名称获取对应的`ZeroCopyTensor`
+* `get_output_handle(output_name: str)`: 根据输出的名称获取对应的`Tensor`

 #### 代码示例

 ``` python
 # 设置完AnalysisConfig后创建预测引擎PaddlePredictor
-predictor = create_paddle_predictor(config)
+predictor = create_predictor(config)

 # 获取输入的名称
 input_names = predictor.get_input_names()
-input_tensor = predictor.get_input_tensor(input_names[0])
+input_handle = predictor.get_input_handle(input_names[0])

 # 设置输入
 fake_input = numpy.random.randn(1, 3, 318, 318).astype("float32")
-input_tensor.reshape([1, 3, 318, 318])
-input_tensor.copy_from_cpu(fake_input)
+input_handle.reshape([1, 3, 318, 318])
+input_handle.copy_from_cpu(fake_input)

 # 运行predictor
-predictor.zero_copy_run()
+predictor.run()

 # 获取输出
 output_names = predictor.get_output_names()
-output_tensor = predictor.get_output_tensor(output_names[0])
+output_handle = predictor.get_output_handle(output_names[0])
 ```

-## 支持方法列表
-* PaddleTensor
-	* `as_ndarray() -> numpy.ndarray`
-* ZeroCopyTensor
-    * `copy_from_cpu(input: numpy.ndarray) -> None`
-    * `copy_to_cpu() -> numpy.ndarray`
-    * `reshape(input: numpy.ndarray|List[int]) -> None`
-    * `shape() -> List[int]`
-    * `set_lod(input: numpy.ndarray|List[List[int]]) -> None`
-    * `lod() -> List[List[int]]`
-    * `type() -> PaddleDType`
-* AnalysisConfig
-	* `set_model(model_dir: str) -> None`
-	* `set_model(prog_file: str, params_file: str) -> None`
-	* `model_dir() -> str`
-	* `prog_file() -> str`
-	* `params_file() -> str`
-	* `enable_use_gpu(memory_pool_init_size_mb: int, device_id: int) -> None`
-	* `gpu_device_id() -> int`
-	* `switch_ir_optim(x: bool = True) -> None`
-	* `enable_tensorrt_engine(workspace_size: int = 1 << 20,
-	                          max_batch_size: int,
-                              min_subgraph_size: int,
-                              precision_mode: AnalysisConfig.precision,
-                              use_static: bool,
-                              use_calib_mode: bool) -> None`
-	* `enable_mkldnn() -> None`
-    * `disable_glog_info() -> None`
-    * `delete_pass(pass_name: str) -> None`
-* PaddlePredictor
-	* `run(input: List[PaddleTensor]) -> List[PaddleTensor]`
-* AnalysisPredictor
-    * `zero_copy_run() -> None`
-    * `get_input_names() -> List[str]`
-    * `get_input_tensor(input_name: str) -> ZeroCopyTensor`
-    * `get_output_names() -> List[str]`
-    * `get_output_tensor(output_name: str) -> ZeroCopyTensor`

-可参考对应的[C++预测接口](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/pybind/inference_api.cc)，其中定义了每个接口的参数和返回值

 ## 完整使用示例

-下面是使用Fluid Python API进行预测的一个完整示例，使用resnet50模型
+下面是使用Paddle Inference Python API进行预测的一个完整示例，使用resnet50模型

 下载[resnet50模型](http://paddle-inference-dist.bj.bcebos.com/resnet50_model.tar.gz)并解压，运行如下命令将会调用预测引擎

@@ -237,70 +154,11 @@ python resnet50_infer.py --model_file ./model/model --params_file ./model/params

 `resnet50_infer.py` 的内容是

-### PaddleTensor的完整使用示例
-
 ``` python
 import argparse
 import numpy as np
-
-from paddle.fluid.core import PaddleTensor
-from paddle.fluid.core import AnalysisConfig
-from paddle.fluid.core import create_paddle_predictor
-
-
-def main():
-    args = parse_args()
-
-    # 设置AnalysisConfig
-    config = AnalysisConfig(args.model_file, args.params_file)
-    config.disable_gpu()
-
-    # 创建PaddlePredictor
-    predictor = create_paddle_predictor(config)
-
-    # 设置输入，此处以随机输入为例，用户可自行输入真实数据
-    inputs = fake_input(args.batch_size)
-
-    # 运行预测引擎
-    outputs = predictor.run(inputs)
-    output_num = 512
-
-    # 获得输出并解析
-    output = outputs[0]
-    print(output.name)
-    output_data = output.as_ndarray() #return numpy.ndarray
-    assert list(output_data.shape) == [args.batch_size, output_num]
-    for i in range(args.batch_size):
-        print(np.argmax(output_data[i]))
-
-
-def fake_input(batch_size):  
-    shape = [batch_size, 3, 318, 318]
-    data = np.random.randn(*shape).astype("float32")
-    image = PaddleTensor(data)
-    return [image]
-
-
-def parse_args():
-    parser = argparse.ArgumentParser()
-    parser.add_argument("--model_file", type=str, help="model filename")
-    parser.add_argument("--params_file", type=str, help="parameter filename")
-    parser.add_argument("--batch_size", type=int, default=1, help="batch size")
-
-    return parser.parse_args()
-
-
-if __name__ == "__main__":
-    main()  
-```
-
-### ZeroCopyTensor的完整使用示例
-
-``` python
-import argparse
-import numpy as np
-from paddle.fluid.core import AnalysisConfig
-from paddle.fluid.core import create_paddle_predictor
+from paddle.inference import Config
+from paddle.inference import create_predictor


 def main():
@@ -310,24 +168,24 @@ def main():
    config = set_config(args)

    # 创建PaddlePredictor
-    predictor = create_paddle_predictor(config)
+    predictor = create_predictor(config)

    # 获取输入的名称
    input_names = predictor.get_input_names()
-    input_tensor = predictor.get_input_tensor(input_names[0])
+    input_handle = predictor.get_input_handle(input_names[0])

    # 设置输入
    fake_input = np.random.randn(1, 3, 318, 318).astype("float32")
-    input_tensor.reshape([1, 3, 318, 318])
-    input_tensor.copy_from_cpu(fake_input)
+    input_handle.reshape([1, 3, 318, 318])
+    input_handle.copy_from_cpu(fake_input)

    # 运行predictor
-    predictor.zero_copy_run()
+    predictor.run()

    # 获取输出
    output_names = predictor.get_output_names()
-    output_tensor = predictor.get_output_tensor(output_names[0])
-    output_data = output_tensor.copy_to_cpu() # numpy.ndarray类型
+    output_handle = predictor.get_output_handle(output_names[0])
+    output_data = output_handle.copy_to_cpu() # numpy.ndarray类型


 def parse_args():
@@ -340,7 +198,7 @@ def parse_args():


 def set_config(args):
-    config = AnalysisConfig(args.model_file, args.params_file)
+    config = Config(args.model_file, args.params_file)
    config.disable_gpu()
    config.switch_use_feed_fetch_ops(False)
    config.switch_specify_input_names(True)
@@ -350,3 +208,77 @@ def set_config(args):
 if __name__ == "__main__":
    main()
 ```
+
+## 支持方法列表
+
+* Tensor
+    * `copy_from_cpu(input: numpy.ndarray) -> None`
+    * `copy_to_cpu() -> numpy.ndarray`
+    * `reshape(input: numpy.ndarray|List[int]) -> None`
+    * `shape() -> List[int]`
+    * `set_lod(input: numpy.ndarray|List[List[int]]) -> None`
+    * `lod() -> List[List[int]]`
+    * `type() -> PaddleDType`
+* Config
+    * `set_model(model_dir: str) -> None`
+    * `set_model(prog_file: str, params_file: str) -> None`
+    * `set_model_buffer(model: str, model_size: int, param: str, param_size: int) -> None`
+    * `model_dir() -> str`
+    * `prog_file() -> str`
+    * `params_file() -> str`
+    * `model_from_memory() -> bool`
+    * `set_cpu_math_library_num_threads(num: int) -> None`
+    * `enable_use_gpu(memory_pool_init_size_mb: int, device_id: int) -> None`
+    * `use_gpu() -> bool`
+    * `gpu_device_id() -> int`
+    * `switch_ir_optim(x: bool = True) -> None`
+    * `switch_ir_debug(x: int=True) -> None`
+    * `ir_optim() -> bool`
+    * `enable_tensorrt_engine(workspace_size: int = 1 << 20,
+                              max_batch_size: int,
+                              min_subgraph_size: int,
+                              precision_mode: AnalysisConfig.precision,
+                              use_static: bool,
+                              use_calib_mode: bool) -> None`
+    * `set_trt_dynamic_shape_info(min_input_shape: Dict[str, List[int]]={}, max_input_shape: Dict[str, List[int]]={}, optim_input_shape: Dict[str, List[int]]={}, disable_trt_plugin_fp16: bool=False) -> None`
+    * `tensorrt_engine_enabled() -> bool`
+    * `enable_mkldnn() -> None`
+    * `enable_mkldnn_bfloat16() -> None`
+    * `mkldnn_enabled() -> bool`
+    * `set_mkldnn_cache_capacity(capacity: int=0) -> None`
+    * `set_mkldnn_op(ops: Set[str]) -> None`
+    * `set_optim_cache_dir(dir: str) -> None`
+    * `disable_glog_info() -> None`
+    * `pass_builder() -> paddle::PassStrategy`
+    * `delete_pass(pass_name: str) -> None`
+    * `cpu_math_library_num_threads() -> int`
+    * `disable_gpu() -> None`
+    * `enable_lite_engine(precision: PrecisionType, zero_copy: bool, passes_filter: List[str]=[], ops_filter: List[str]=[]) -> None`
+    * `lite_engine_enabled() -> bool`
+    * `enable_memory_optim() -> None`
+    * `enable_profile() -> None`
+    * `enable_quantizer() -> None`
+    * `quantizer_config() -> paddle::MkldnnQuantizerConfig`
+    * `fraction_of_gpu_memory_for_pool() -> float`
+    * `memory_pool_init_size_mb() -> int`
+    * `glog_info_disabled() -> bool`
+    * `gpu_device_id() -> int`
+    * `specify_input_name() -> bool`
+    * `switch_specify_input_names(x: bool=True) -> None`
+    * `specify_input_name(q) -> bool`
+    * `switch_use_feed_fetch_ops(x: int=True) -> None`
+    * `use_feed_fetch_ops_enabled() -> bool`
+    * `to_native_config() -> paddle.fluid.core_avx.NativeConfig`
+* `create_predictor(config: Config) -> Predictor`
+* Predictor
+    * `run() -> None`
+    * `get_input_names() -> List[str]`
+    * `get_input_handle(input_name: str) -> Tensor`
+    * `get_output_names() -> List[str]`
+    * `get_output_handle(output_name: str) -> Tensor`
+    * `clear_intermediate_tensor() -> None`
+    * `clone() -> Predictor`
+* PredictorPool
+    * `retrive(idx: int) -> Predictor`
+
+可参考对应的[C++预测接口](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/pybind/inference_api.cc)，其中定义了每个接口的参数和返回值