use jekyll to generate sites

.gitignore

-# Prerequisites
-*.d
-
-# Compiled Object files
-*.slo
-*.lo
-*.o
-*.obj
-
-# Precompiled Headers
-*.gch
-*.pch
-
-# Compiled Dynamic libraries
-*.so
-*.dylib
-*.dll
-
-# Fortran module files
-*.mod
-*.smod
-
-# Compiled Static libraries
-*.lai
-*.la
-*.lib
-*.a
-
-# Executables
-*.exe
-*.out
-*.app
-
-.DS_Store
-
-build/
-build_fpga/
-
-.idea/
-
-CMakeCache.txt
-
-CMakeFiles/
-
-Makefile
-
-cmake_install.cmake
-
-
-*.cbp
-
-paddle-mobile.cbp
-
-.idea
-
-compile_commands.json
-
-cmake-build-debug/
-cmake-build-release/
-
-test/models/
-
-test/images/
-
-# Emacs intermediate files
-*~
-
-# CMake building directory
-build
-
-# clion building directories
-cmake-build-debug
-cmake-build-release
-
-# vscode
-.vscode
-
-# ios
-tools/libomp.a
-
-# ios demo
-demo/ios/PaddleMobileDemo/PaddleMobileDemo/googlenet_combine/
-demo/ios/PaddleMobileDemo/PaddleMobileDemo/*.jpg
-demo/ios/PaddleMobileDemo/PaddleMobileDemo/PaddleMobile/*.a
-*.xcuserstate
-/tools/quantification/quantify
-
-# metal
-Podfile.lock
-metal/Pods/
-SwiftProtobuf.framework
-paddle-mobile.xcworkspace
-metal/models/
-metal/images/
-*.a
-metal/paddle-mobile/paddle-mobile/CPU/libpaddle-mobile.a
-*.xcuserdatad/
-*/xcuserdata/
-/venv/
-
-metal/paddle-mobile-demo/paddle-mobile-demo/images
-metal/paddle-mobile-demo/paddle-mobile-demo/models
-metal/paddle-mobile-demo/paddle-mobile-demo/Resources
-metal/paddle-mobile-demo/paddle-mobile-demo/Resources/images
-metal/paddle-mobile-demo/paddle-mobile-demo/Resources/models
-metal/MobileNetDemo/MobileNetDemo/Resources
+#jekyll
+_site
+.sass-cache
+.jekyll-metadata

404.html

+---
+layout: default
+---
+
+<style type="text/css" media="screen">
+  .container {
+    margin: 10px auto;
+    max-width: 600px;
+    text-align: center;
+  }
+  h1 {
+    margin: 30px 0;
+    font-size: 4em;
+    line-height: 1;
+    letter-spacing: -1px;
+  }
+</style>
+
+<div class="container">
+  <h1>404</h1>
+
+  <p><strong>Page not found :(</strong></p>
+  <p>The requested page could not be found.</p>
+</div>

Gemfile

+source "https://rubygems.org"
+
+# Hello! This is where you manage which Jekyll version is used to run.
+# When you want to use a different version, change it below, save the
+# file and run `bundle install`. Run Jekyll with `bundle exec`, like so:
+#
+#     bundle exec jekyll serve
+#
+# This will help ensure the proper Jekyll version is running.
+# Happy Jekylling!
+gem "jekyll", "~> 3.8.5"
+
+# This is the default theme for new Jekyll sites. You may change this to anything you like.
+gem "minima", "~> 2.0"
+
+# If you want to use GitHub Pages, remove the "gem "jekyll"" above and
+# uncomment the line below. To upgrade, run `bundle update github-pages`.
+# gem "github-pages", group: :jekyll_plugins
+
+# If you have any plugins, put them here!
+group :jekyll_plugins do
+  gem "jekyll-feed", "~> 0.6"
+end
+
+# Windows does not include zoneinfo files, so bundle the tzinfo-data gem
+gem "tzinfo-data", platforms: [:mingw, :mswin, :x64_mingw, :jruby]
+
+# Performance-booster for watching directories on Windows
+gem "wdm", "~> 0.1.0" if Gem.win_platform?
+

Gemfile.lock

+GEM
+  remote: https://rubygems.org/
+  specs:
+    addressable (2.7.0)
+      public_suffix (>= 2.0.2, < 5.0)
+    colorator (1.1.0)
+    concurrent-ruby (1.1.5)
+    em-websocket (0.5.1)
+      eventmachine (>= 0.12.9)
+      http_parser.rb (~> 0.6.0)
+    eventmachine (1.2.7)
+    ffi (1.11.1)
+    forwardable-extended (2.6.0)
+    http_parser.rb (0.6.0)
+    i18n (0.9.5)
+      concurrent-ruby (~> 1.0)
+    jekyll (3.8.6)
+      addressable (~> 2.4)
+      colorator (~> 1.0)
+      em-websocket (~> 0.5)
+      i18n (~> 0.7)
+      jekyll-sass-converter (~> 1.0)
+      jekyll-watch (~> 2.0)
+      kramdown (~> 1.14)
+      liquid (~> 4.0)
+      mercenary (~> 0.3.3)
+      pathutil (~> 0.9)
+      rouge (>= 1.7, < 4)
+      safe_yaml (~> 1.0)
+    jekyll-feed (0.12.1)
+      jekyll (>= 3.7, < 5.0)
+    jekyll-sass-converter (1.5.2)
+      sass (~> 3.4)
+    jekyll-seo-tag (2.6.1)
+      jekyll (>= 3.3, < 5.0)
+    jekyll-watch (2.2.1)
+      listen (~> 3.0)
+    kramdown (1.17.0)
+    liquid (4.0.3)
+    listen (3.1.5)
+      rb-fsevent (~> 0.9, >= 0.9.4)
+      rb-inotify (~> 0.9, >= 0.9.7)
+      ruby_dep (~> 1.2)
+    mercenary (0.3.6)
+    minima (2.5.1)
+      jekyll (>= 3.5, < 5.0)
+      jekyll-feed (~> 0.9)
+      jekyll-seo-tag (~> 2.1)
+    pathutil (0.16.2)
+      forwardable-extended (~> 2.6)
+    public_suffix (4.0.1)
+    rb-fsevent (0.10.3)
+    rb-inotify (0.10.0)
+      ffi (~> 1.0)
+    rouge (3.10.0)
+    ruby_dep (1.5.0)
+    safe_yaml (1.0.5)
+    sass (3.7.4)
+      sass-listen (~> 4.0.0)
+    sass-listen (4.0.0)
+      rb-fsevent (~> 0.9, >= 0.9.4)
+      rb-inotify (~> 0.9, >= 0.9.7)
+
+PLATFORMS
+  ruby
+
+DEPENDENCIES
+  jekyll (~> 3.8.5)
+  jekyll-feed (~> 0.6)
+  minima (~> 2.0)
+  tzinfo-data
+
+BUNDLED WITH
+   2.0.2

_config.yml

+# Welcome to Jekyll!
+#
+# This config file is meant for settings that affect your whole blog, values
+# which you are expected to set up once and rarely edit after that. If you find
+# yourself editing this file very often, consider using Jekyll's data files
+# feature for the data you need to update frequently.
+#
+# For technical reasons, this file is *NOT* reloaded automatically when you use
+# 'bundle exec jekyll serve'. If you change this file, please restart the server process.
+
+# Site settings
+# These are used to personalize your new site. If you look in the HTML files,
+# you will see them accessed via {{ site.title }}, {{ site.email }}, and so on.
+# You can create any custom variable you would like, and they will be accessible
+# in the templates via {{ site.myvariable }}.
+title: Paddle-Lite
+email: 
+description: Multi-platform high performance deep learning inference engine (『飞桨』多平台高性能深度学习预测引擎） # this means to ignore newlines until "baseurl:"
+baseurl: "" # the subpath of your site, e.g. /blog
+url: "" # the base hostname & protocol for your site, e.g. http://example.com
+twitter_username: 
+github_username: PaddlePaddle
+
+# Build settings
+markdown: kramdown
+theme: minima
+plugins:
+  - jekyll-feed
+
+# Exclude from processing.
+# The following items will not be processed, by default. Create a custom list
+# to override the default setting.
+# exclude:
+#   - Gemfile
+#   - Gemfile.lock
+#   - node_modules
+#   - vendor/bundle/
+#   - vendor/cache/
+#   - vendor/gems/
+#   - vendor/ruby/

README.md → _posts/2019-09-16-README.markdown

-# Paddle Lite 文档
+---
+layout: post
+title: Paddle-Lite 文档
+---
+
 ## 总体概述
 
 Paddle-Lite 框架是 PaddleMobile 新一代架构，重点支持移动端推理预测，特点**高性能、多硬件、轻量级** 。支持PaddleFluid/TensorFlow/Caffe/ONNX模型的推理部署，目前已经支持 ARM CPU, Mali GPU, Adreno GPU, Huawei NPU 等多种硬件，正在逐步增加 X86 CPU, Nvidia GPU 等多款硬件，相关硬件性能业内领先。

add_new_operation.md → _posts/2019-09-16-add_new_operation.md

-# 新增op的方法
+---
+layout: post
+title: 新增op的方法
+---
 
 以下以添加argmax为例，详细说明新增op的方法步骤。
 

architecture-intro.md → _posts/2019-09-16-architecture-intro.md

-# Paddle-Lite 开发者文档
+---
+layout: post
+title: Paddle-Lite 开发者文档
+---
 
 这篇文档会从开发者角度详细介绍开发 Paddle-Lite 需要的相关信息。
 

architecture.md → _posts/2019-09-16-architecture.md

-# 架构设计
+---
+layout: post
+title: 架构设计
+---
 
 Mobile 在这次升级为 Lite 架构， 侧重多硬件、高性能的支持，其主要设计思想如下
 
@@ -9,7 +12,7 @@ Mobile 在这次升级为 Lite 架构， 侧重多硬件、高性能的支持，
 
 架构图如下
 
-![Paddle Inference Refactor1.0](./images/architecture.jpg)
+![Paddle Inference Refactor1.0](https://user-images.githubusercontent.com/52520497/64949619-26e49580-d8ac-11e9-855a-514feb9b75af.png)
 
 ## 编译期和执行期严格隔离设计
 
@@ -77,7 +80,7 @@ REGISTER_LITE_KERNEL(
 
 全局做类型推断，当发现 tensor 传递中有类型冲突，采用 type cast 操作，通过插入特定功能 Op 来实现正确的传导
 
-![lite-7](images/lite1.png)
+![lite-7](https://user-images.githubusercontent.com/52520497/64949642-395ecf00-d8ac-11e9-8b69-ced1996abc3b.png)
 
 
 

benchmark.md → _posts/2019-09-16-benchmark.md

-# Benchmark
+---
+layout: post
+title: Benchmark 数据
+---
 
 可以参考[benchmark_tools](https://github.com/PaddlePaddle/Paddle-Lite/wiki/benchmark_tools)，推荐**一键benchmark**。
 

benchmark_tools.md → _posts/2019-09-16-benchmark_tools.md

+---
+layout: post
+title: Benchmark
+---
+
 <!--ts-->
   * [Benchmark](#Benchmark)
       * [环境准备](#环境准备)
@@ -9,8 +14,6 @@
          * [4. 测试](#4-测试)
 <!--te-->
 
-# Benchmark
-
 本文将会介绍，在**Ubuntu:16.04交叉编译环境**下，用安卓手机在终端测试Paddle-Lite的性能，并介绍两种Benchmark方法：
 
 1. **一键Benchmark**：适用于想快速获得常见模型性能的用户，下载预编译好的benchmark可执行文件；

cpp_demo.md → _posts/2019-09-16-cpp_demo.md

+---
+layout: post
+title: C++ Demo
+---
+
 <!--ts-->
 
 - [C++ Demo](#c-demo)
@@ -13,8 +18,6 @@
 
 <!--te-->
 
-# `C++` Demo
-
 ## 编译
 
 首先按照[PaddleLite 源码编译](https://github.com/PaddlePaddle/Paddle-Lite/wiki/source_compile)准备交叉编译环境，之后拉取最新[PaddleLite release发布版代码](https://github.com/PaddlePaddle/Paddle-Lite)。下面以Android-ARMv8架构为例，介绍编译过程，并最终在手机上跑通MobilNetv1模型。
@@ -29,7 +32,7 @@
     --android_stl=c++_static \
     --build_extra=ON         \
     full_publish
-{% highlight %}
+{% endhighlight %}
 
 编译完成后 `./build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/` 文件夹下包含：
 
@@ -39,7 +42,7 @@ cxx/lib/libpaddle_api_full_bundled.a
 cxx/lib/libpaddle_api_light_bundled.a
 demo/cxx/  #其中包括{include  Makefile.def  mobile_light}
 third_party/gflags/
-{% highlight %}
+{% endhighlight %}
 
 ## 准备执行环境
 
@@ -53,27 +56,27 @@ third_party/gflags/
 
 运行下面命令，分别创建安卓armv8、armv7架构的模拟器。若需在真机测试，将模拟器换成相应架构的真机环境即可。
 
-```shell
+{% highlight shell %}
 # android-armv8
 adb kill-server
 adb devices | grep emulator | cut -f1 | while read line; do adb -s $line emu kill; done
 echo n | avdmanager create avd -f -n paddle-armv8 -k "system-images;android-24;google_apis;arm64-v8a"
 echo -ne '\n' | ${ANDROID_HOME}/emulator/emulator -avd paddle-armv8 -noaudio -no-window -gpu off -port 5554 &
 sleep 1m
-```
+{% endhighlight %}
 
-```shell
+{% highlight shell %}
 # android-armv7
 adb kill-server
 adb devices | grep emulator | cut -f1 | while read line; do adb -s $line emu kill; done
 echo n | avdmanager create avd -f -n paddle-armv7 -k "system-images;android-24;google_apis;armeabi-v7a"
 echo -ne '\n' | ${ANDROID_HOME}/emulator/emulator -avd paddle-armv7 -noaudio -no-window -gpu off -port 5554 &
 sleep 1m
-```
+{% endhighlight %}
 
 ## 下载模型并运行示例
 
-```bash
+{% highlight bash %}
 cd inference_lite_lib.android.armv8/demo/cxx/mobile_full
 wget http://paddle-inference-dist.bj.bcebos.com/mobilenet_v1.tar.gz
 tar zxvf mobilenet_v1.tar.gz
@@ -84,23 +87,23 @@ adb -s emulator-5554 push mobilenet_v1 /data/local/tmp/
 adb -s emulator-5554 push mobilenetv1_full_api /data/local/tmp/
 adb -s emulator-5554 shell chmod +x /data/local/tmp/mobilenetv1_full_api
 adb -s emulator-5554 shell "/data/local/tmp/mobilenetv1_full_api --model_dir=/data/local/tmp/mobilenet_v1 --optimized_model_dir=/data/local/tmp/mobilenet_v1.opt"
-```
+{% endhighlight %}
 
 注：我们也提供了轻量级 API 的 demo，可以执行以下代码运行轻量级 API 示例。
 
-```bash
+{% highlight bash %}
 cd ../mobile_light
 make
 adb -s emulator-5554 push mobilenetv1_light_api /data/local/tmp/
 adb -s emulator-5554 shell chmod +x /data/local/tmp/mobilenetv1_light_api
 adb -s emulator-5554 shell "/data/local/tmp/mobilenetv1_light_api --model_dir=/data/local/tmp/mobilenet_v1.opt --threads=1 "
-```
+{% endhighlight %}
 
 ## Demo 程序运行结果
 
 Demo 运行成功后 ，将在控制台输出预测结果的前10个类别的预测概率：
 
-```bash
+{% highlight bash %}
 Output dim: 1000
 Output[0]: 0.000191
 Output[100]: 0.000160
@@ -112,7 +115,7 @@ Output[600]: 0.004829
 Output[700]: 0.001845
 Output[800]: 0.000202
 Output[900]: 0.000586
-```
+{% endhighlight %}
 
 ## 如何在代码中使用 API
 
@@ -127,7 +130,7 @@ Output[900]: 0.000586
   #include "paddle_use_kernels.h"  
   #include "paddle_use_ops.h"      
   #include "paddle_use_passes.h"   
-{% highlight %}
+{% endhighlight %}
 
 - 通过MobileConfig设置：模型文件位置（model_dir）、线程数（thread）和能耗模式( power mode )。输入数据（input），从 MobileConfig 创建 PaddlePredictor 并执行预测。  （注：Lite还支持从memory直接加载模型，可以通过MobileConfig::set_model_buffer方法实现）
 
@@ -176,7 +179,7 @@ predictor->Run();
 
 // 7. Get output
 std::unique_ptr<const Tensor> output_tensor(std::move(predictor->GetOutput(0)));
-{% highlight %}
+{% endhighlight %}
 
 ## CxxConfig案例: OCR_model的运行
 
@@ -246,7 +249,9 @@ void RunModel() {
   for (int i = 0; i < ShapeProduction(init_scores->shape()); ++i) {
     data_scores[i] = 0;
   }
-  lod_t lod_s{{0, 1}, {0, 1}};
+  lod_t lod_s;
+  lod_s.push_back({0, 1});
+  lod_s.push_back({0, 1});
   init_scores->SetLoD(lod_s);
 
   // 4. Run predictor
@@ -265,7 +270,7 @@ int main(int argc, char **argv) {
   RunModel();
   return 0;
 }
-{% highlight %}
+{% endhighlight %}
 
 3. 运行方法：
    参考以上代码编译出可执行文件`OCR_DEMO`，模型文件夹为`ocr_attention`。手机以USB调试、文件传输模式连接电脑
@@ -276,7 +281,7 @@ int main(int argc, char **argv) {
 adb push OCR_DEMO data/local/tmp
 adb push ocr_attention data/local/tmp
 adb shell 'cd data/local/tmp && ./OCR_DEMO --model_dir=./OCR_DEMO'
-{% highlight %}
+{% endhighlight %}
 
 4. 运行结果
 

cxx_api.md → _posts/2019-09-16-cxx_api.md

+---
+layout: post
+title: C++ API接口使用指南
+---
+
 # C++ API接口使用指南
 
 请参考[源码编译](./source_compile)确保 Lite 可以正确编译，下面用Lite的c++接口加载并执行 MobileNetV1 模型为例，详细说明使用方法。

debug_tools.md → _posts/2019-09-16-debug_tools.md

-# Debug tools
+---
+layout: post
+title: Debug tools
+---
 
 **Lite Model Debug Tool** 是用来检查Paddle-Lite框架与Paddle-Fluid框架运行时tensor(包括variable与weight)之间diff信息的基础工具。
 

for-developer.md → _posts/2019-09-16-for-developer.md

-# 基础须知
+---
+layout: post
+title: 基础须知
+---
 
 可以参考 [Paddle 开发者文档](https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/advanced_usage/development/contribute_to_paddle/local_dev_guide.html)。
 

fpga.md → _posts/2019-09-16-fpga.md

-# Lite基于fpga的模型预测
+---
+layout: post
+title: Lite基于fpga的模型预测
+---
 
 Paddle Lite支持基于arm的fpga zu3/zu5/zu9的模型预测，提供armv8的交叉编译
 

java_demo.md → _posts/2019-09-16-java_demo.md

+---
+layout: post
+title: Java Android Demo
+---
+
 <!--ts-->
 * [Java Android Demo](#java-android-demo)
   * [编译](#编译)
@@ -12,7 +17,6 @@
 
 <!--te-->
 
-# Java Android Demo
 本节中，Java demo 完整代码位于 [demo/java](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/java) 。
 
 要编译和跑起Android demo 程序 PaddlePredictor，你需要准备：

mobile.md → _posts/2019-09-16-mobile.md

-# paddle mobile 代码编译
+---
+layout: post
+title: paddle mobile 代码编译
+---
 
 详情可以参考 [mobile/README](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/mobile)
 

model_optimize_tool.md → _posts/2019-09-16-model_optimize_tool.md

-# 模型转化方法
+---
+layout: post
+title: 模型转化方法
+---
 
 Lite架构在预测过程中表现出来的高性能得益于其丰富的优化组件，其中包括量化、子图融合、混合调度、Kernel优选等等策略。为了使优化过程更加方便易用，我们提供了**Model Optimize Tool**来自动完成优化步骤，输出一个轻量的、最优的可执行模型。具体使用方法介绍如下：
 

model_quantization.md → _posts/2019-09-16-model_quantization.md

+---
+layout: post
+title: 模型量化
+---
+
 <!--ts-->
 * [模型量化](#模型量化)
   * [一、使用PaddleSlim模型压缩工具获取量化模型](#一使用PaddleSlim模型压缩工具获取量化模型)
@@ -16,8 +21,6 @@
 
 <!--te-->
 
-# 模型量化
-
 Paddle-Lite支持加载运行[PaddlePaddle框架](https://github.com/PaddlePaddle/Paddle)量化训练产出的模型。本文主要介绍如何基于PaddlePaddle和Paddle-Lite对模型进行端到端的量化训练和推理执行。PaddlePaddle框架中所使用的量化训练原理请猛戳[此处](https://github.com/PaddlePaddle/models/blob/develop/PaddleSlim/docs/tutorial.md#1-quantization-aware-training%E9%87%8F%E5%8C%96%E4%BB%8B%E7%BB%8D)。如果您是初次接触PaddlePaddle框架，建议首先学习[新人入门](https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/beginners_guide/index_cn.html)和[使用指南](https://www.paddlepaddle.org.cn/documentation/docs/zh/1.5/user_guides/index_cn.html)。
 > 备注：本文中所使用的模型量化示例均为MobileNetV1。
 

npu.md → _posts/2019-09-16-npu.md

-# Lite支持NPU在线编译
+---
+layout: post
+title: Lite支持NPU在线编译
+---
 
 Paddle Lite可以在线分析模型特点，在线编译并生成NPU所需要的IR并实时运行。
 是首个支持NPU在线模型的预测框架。

opencl.md → _posts/2019-09-16-opencl.md

-# 基于OpenCL的ARM GPU预测
+---
+layout: post
+title: 基于OpenCL的ARM GPU预测
+---
 
 Lite支持在Android系统上运行基于OpenCL的程序，目前提供armv8和armv7的交叉编译。
 

_posts/2019-09-16-paddle-mobile.md

+---
+layout: post
+title: 
+---
+
+1. [./run_test_on_android.md](https://github.com/PaddlePaddle/paddle-mobile/wiki/%E5%A6%82%E4%BD%95%E5%9C%A8Android%E6%89%8B%E6%9C%BA%E4%B8%8A%E8%BF%90%E8%A1%8C%E5%8D%95%E6%B5%8B)
\ No newline at end of file

roadmap.md → _posts/2019-09-16-roadmap.md

+---
+layout: post
+title: 
+---
+
 # Road map
 
 这篇文档会介绍 Paddle-Lite 近期对外的开源版本和计划。

source_compile.md → _posts/2019-09-16-source_compile.md

+---
+layout: post
+title: 源码编译指南
+---
+
 <!--ts-->
 * [源码编译指南](#源码编译指南)
   * [一、环境准备](#一环境准备)
@@ -21,8 +26,6 @@
 
 <!--te-->
 
-# 源码编译指南
-
 Paddle-Lite 提供了移动端的一键源码编译脚本 `lite/tools/build.sh`，编译流程如下：
 
 1. 环境准备（选择其一）：Docker交叉编译环境、Linux交叉编译环境

support_operation_list.md → _posts/2019-09-16-support_operation_list.md

-# 支持op列表
+---
+layout: post
+title: 支持OP列表
+---
 
 ## Ops
 - argmax

tech_highlights.md → _posts/2019-09-16-tech_highlights.md

-# 技术特点
+---
+layout: post
+title: 技术特点
+---
 
 不同于普通的移动端预测基于类 Caffe 的架构，Lite 架构最早的设计目标来源于 Paddle Server 和 Mobile 两种场景的要求，其中 Server 端需要有完善的图分析和优化能力，而 Mobile 端要求有轻量级部署的能力，两种场景共同的要求是高性能，多硬件支持等。
 

tutorial.md → _posts/2019-09-16-tutorial.md

+---
+layout: post
+title: 文档指南
+---
+
 Lite是一种轻量级、灵活性强、易于扩展的高性能的深度学习预测框架，它可以支持诸如ARM、OpenCL、NPU等等多种终端，同时拥有强大的图优化及预测加速能力。如果您希望将Lite框架集成到自己的项目中，那么只需要如下几步简单操作即可。
 
 # 一. 准备模型

x2paddle.md → _posts/2019-09-16-x2paddle.md

-# 通过 X2Paddle 转换模型
+---
+layout: post
+title: 通过 X2Paddle 转换模型
+---
 
 [X2Paddle](https://github.com/PaddlePaddle/X2Paddle)支持将Caffe/TensorFlow模型转换为PaddlePaddle模型。目前X2Paddle支持的模型参考[x2paddle_model_zoo](https://github.com/PaddlePaddle/X2Paddle/blob/develop/x2paddle_model_zoo.md)。
 

index.md

+---
+# Feel free to add content and custom Front Matter to this file.
+# To modify the layout, see https://jekyllrb.com/docs/themes/#overriding-theme-defaults
+
+layout: home
+---

paddle-mobile.md

-1. [如何在Android手机运行单测](https://github.com/PaddlePaddle/paddle-mobile/wiki/%E5%A6%82%E4%BD%95%E5%9C%A8Android%E6%89%8B%E6%9C%BA%E4%B8%8A%E8%BF%90%E8%A1%8C%E5%8D%95%E6%B5%8B)
\ No newline at end of file

如何在Android手机上运行单测.md

-
-运行run_on_android.sh
-1. 到tools目录下执行编译脚本 选择对应的平台目标和网络类型(可不选)  
-```
-cd tools
-sh build.sh android googlenet
-```
- 
-2. 到scripts目录下，执行run_on_android.sh，将模型文件及运行单测所需要的二进制文件和paddle-mobile动态库push到手机中，可执行文件在data/local/tmp/bin目录下  
-```
-cd android-debug-script
-sh run_on_android.sh (npm) 参数npm选择是否传输模型文件到手机上，第二次可以加上npm参数
-```
-    
-出现:  
-...     
-test-softmax      
-test-squeezenet      
-test-transpose-op      
-test-yolo     
-**** choose OP or NET to test ****     
-which to test :  
-输入想要test的op或net       
-which to test : test-googlenet
-
-3.显示返回结果
-
-注意:如果需要删除可进入adb shell 手动删除/data/local/tmp下所有文件夹，重新run_on_android.sh
\ No newline at end of file