update inference doc

doc/fluid/advanced_usage/deploy/index_anakin.rst

-服务器端部署 - Anakin
+Anakin
 #######################
 
 

doc/fluid/advanced_usage/index.rst

@@ -10,8 +10,8 @@
 ..  toctree::
     :maxdepth: 2
 
-    deploy/index_anakin.rst
     deploy/index_mobile.rst
+    deploy/index_anakin.rst
     development/contribute_to_paddle.md
     development/write_docs.rst
     development/new_op.md

doc/fluid/user_guides/howto/inference/index.rst

 ############
-模型预测部署
+预测部署
 ############
 
 PaddlePaddle Fluid 提供了 C++ API 来支持模型的部署上线
@@ -8,4 +8,4 @@ PaddlePaddle Fluid 提供了 C++ API 来支持模型的部署上线
    :maxdepth: 2
 
    build_and_install_lib_cn.rst
-   native_infer.rst
+   native_infer.md

doc/fluid/user_guides/howto/inference/native_infer.md

+# Paddle 预测 API
+
+为了更简单方便的预测部署，Fluid 提供了一套高层 API 用来隐藏底层不同的优化实现。
+
+预测库包含:
+
+- 头文件 `paddle_inference_api.h` 定义了所有的接口
+- 库文件`libpaddle_fluid.so` 或 `libpaddle_fluid.a`
+
+下面是详细介绍
+
+## PaddleTensor
+
+PaddleTensor 定义了预测最基本的输入输出的数据格式，常用字段：
+
+- `name` 用于指定输入数据对应的 模型中variable 的名字
+- `shape` 表示一个 Tensor 的 shape
+- `data`  数据以连续内存的方式存储在`PaddleBuf` 中，`PaddleBuf` 可以接收外面的数据或者独立`malloc`内存，详细可以参考头文件中相关定义。
+- `dtype` 表示 Tensor 的数据类型
+
+## 利用Config 创建不同引擎
+
+高层 API 底层有多种优化实现，我们称之为 engine；不同 engine 的切换通过传递不同的 Config 实现重载
+
+- `NativeConfig` 原生 engine，由 paddle 原生的 forward operator
+    组成，可以天然支持所有paddle 训练出的模型，
+
+- `MixedRTConfig` TensorRT mixed engine 用于 GPU
+    加速，用子图的方式支持了 [TensorRT] ，支持所有paddle
+    模型，并自动切割部分计算子图到 TensorRT 上加速（WIP）
+
+
+## 预测部署过程
+
+总体上分为以下步骤
+
+1. 用合适的配置创建 `PaddlePredictor`
+2. 创建输入用的 `PaddleTensor`，传入到 `PaddlePredictor` 中
+3. 获取输出的 `PaddleTensor` ，将结果取出
+
+下面完整演示一个简单的模型，部分细节代码隐去
+
+```c++
+#include "paddle_inference_api.h"
+
+// 创建一个 config，并修改相关设置
+paddle::NativeConfig config;
+config.model_dir = "xxx";
+config.use_gpu = false;
+// 创建一个原生的 PaddlePredictor
+auto predictor =
+      paddle::CreatePaddlePredictor<paddle::NativeConfig>(config);
+// 创建输入 tensor
+int64_t data[4] = {1, 2, 3, 4};
+paddle::PaddleTensor tensor;
+tensor.shape = std::vector<int>({4, 1});
+tensor.data = paddle::PaddleBuf(data, sizeof(data));
+tensor.dtype = paddle::PaddleDType::INT64;
+// 创建输出 tensor，输出 tensor 的内存可以复用
+std::vector<paddle::PaddleTensor> outputs;
+// 执行预测
+CHECK(predictor->Run(slots, &outputs));
+// 获取 outputs ...
+```
+
+编译时，联编 `libpaddle_fluid.a/.so` 便可。 
+
+
+
+## 高阶使用
+
+### 输入输出的内存管理
+`PaddleTensor` 的 `data` 字段是一个 `PaddleBuf`，用于管理一段内存用于数据的拷贝。 
+
+`PaddleBuf` 在内存管理方面有两种模式：
+
+1. 自动分配和管理内存
+
+```c++
+int some_size = 1024;
+PaddleTensor tensor;
+tensor.data.Resize(some_size);
+// 也可以写成 tensor.data = PaddleBuf(some_size);
+```
+
+2. 外部内存传入
+
+```c++
+int some_size = 1024;
+// 用户外部分配内存并保证 PaddleTensor 使用过程中，内存一直可用
+void* memory = new char[some_size]; 
+
+tensor.data.Reset(memory, some_size);
+// 也可以写成 tensor.data = PaddleBuf(memory, some_size);
+// ...
+
+// 用户最后需要自行删除内存以避免内存泄漏
+delete[] memory;
+```
+
+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)
+*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** 。
+
+`AnalysisConfig` 的使用方法也和 `NativeConfig` 类似，但 *目前仅支持 CPU，正在增加对GPU 的支持*
+
+```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
+```
+
+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
+
+```c++
+auto predictor =
+      paddle::CreatePaddlePredictor<paddle::contrib::AnalysisConfig>(config); // 注意这里需要 AnalysisConfig
+// 创建输入 tensor
+int64_t data[4] = {1, 2, 3, 4};
+paddle::PaddleTensor tensor;
+tensor.shape = std::vector<int>({4, 1});
+tensor.data = paddle::PaddleBuf(data, sizeof(data));
+tensor.dtype = paddle::PaddleDType::INT64;
+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
+
+## 详细代码参考
+
+- [inference demos](./demo_ci)
+- [复杂单线程/多线程例子](https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/inference/api/test_api_impl.cc)

doc/fluid/user_guides/howto/inference/native_infer.rst

-Paddle 预测 API
-===============
-
-为了更简单方便的预测部署，Fluid 提供了一套高层 API
-用来隐藏底层不同的优化实现。
-
-`预测库相关代码 <https://github.com/PaddlePaddle/Paddle/tree/develop/paddle/fluid/inference/api>`_
-包括
-
--  头文件 ``paddle_inference_api.h`` 定义了所有的接口
--  库文件\ ``libpaddle_fluid.so`` 或 ``libpaddle_fluid.a``
-
-
-编译和依赖可以参考 :ref:`install_or_build_cpp_inference_lib` 。
-
-下面是一些 API 概念的介绍
-
-PaddleTensor
-------------
-
-PaddleTensor 定义了预测最基本的输入输出的数据格式，其定义是
-
-.. code:: cpp
-
-    struct PaddleTensor {
-      std::string name;  // variable name.
-      std::vector<int> shape;
-      PaddleBuf data;  // blob of data.
-      PaddleDType dtype;
-    };
-
--  ``name`` 用于指定输入数据对应的 模型中variable 的名字
-   （暂时没有用，但会在后续支持任意 target 时启用）
--  ``shape`` 表示一个 Tensor 的 shape
--  ``data`` 数据以连续内存的方式存储在\ ``PaddleBuf``
-   中，\ ``PaddleBuf``
-   可以接收外面的数据或者独立\ ``malloc``\ 内存，详细可以参考头文件中相关定义。
--  ``dtype`` 表示 Tensor 的数据类型
-
-engine
-------
-
-高层 API 底层有多种优化实现，我们称之为 engine，目前有三种 engine
-
--  原生 engine，由 paddle 原生的 forward operator
-   组成，可以天然支持所有paddle 训练出的模型，
--  Anakin engine，封装了
-   `Anakin <https://github.com/PaddlePaddle/Anakin>`__
-   ，在某些模型上性能不错，但只能接受自带模型格式，无法支持所有 paddle
-   模型，
--  TensorRT mixed engine，用子图的方式支持了
-   `TensorRT <https://developer.nvidia.com/tensorrt>`__ ，支持所有paddle
-   模型，并自动切割部分计算子图到 TensorRT 上加速（WIP）
-
-其实现为
-
-.. code:: cpp
-
-    enum class PaddleEngineKind {
-      kNative = 0,       // Use the native Fluid facility.
-      kAnakin,           // Use Anakin for inference.
-      kAutoMixedTensorRT // Automatically mixing TensorRT with the Fluid ops.
-    };
-
-预测部署过程
-------------
-
-总体上分为以下步骤
-
-1. 用合适的配置创建 ``PaddlePredictor``
-2. 创建输入用的 ``PaddleTensor``\ ，传入到 ``PaddlePredictor`` 中
-3. 获取输出的 ``PaddleTensor`` ，将结果取出
-
-下面完整演示一个简单的模型，部分细节代码隐去
-
-.. code:: cpp
-
-    #include "paddle_inference_api.h"
-
-    // 创建一个 config，并修改相关设置
-    paddle::NativeConfig config;
-    config.model_dir = "xxx";
-    config.use_gpu = false;
-    // 创建一个原生的 PaddlePredictor
-    auto predictor =
-          paddle::CreatePaddlePredictor<NativeConfig, PaddleEngineKind::kNative>(config);
-    // 创建输入 tensor
-    int64_t data[4] = {1, 2, 3, 4};
-    paddle::PaddleTensor tensor{.name = "",
-                                .shape = std::vector<int>({4, 1}),
-                                .data = PaddleBuf(data, sizeof(data)),
-                                .dtype = PaddleDType::INT64};
-    // 创建输出 tensor，输出 tensor 的内存可以复用
-    std::vector<paddle::PaddleTensor> outputs;
-    // 执行预测
-    CHECK(predictor->Run(slots, &outputs));
-    // 获取 outputs ...
-
-编译时，联编 ``libpaddle_fluid.a/.so`` 便可。
-
-详细代码参考
-------------
-
--  `inference
-   demos <https://github.com/PaddlePaddle/Paddle/tree/develop/paddle/fluid/inference/api/demo_ci>`__
--  `复杂单线程/多线程例子 <https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/fluid/inference/api/api_impl_tester.cc>`__