up

_posts/2019-09-16-README.markdown

----
-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。
-
-
-## 简介
-
-- [技术特点](./tech_highlights)
-- [架构设计](./architecture)
-- [Road Map](./roadmap)
-
-## Benchmark
-
-- [最新性能](./benchmark)
-- [测试方法](./benchmark_tools)
-
-## 安装
-
-- [源码编译](./source_compile)
-
-## 使用
-
-- [使用流程](./tutorial)
-- [C++实例](./cpp_demo)
-- [Java实例](./java_demo)
-- [Android/IOS APP demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)
-- [模型转化方法](./model_optimize_tool)
-
-## 进阶
-
-- [通过 X2Paddle 支持 Caffe, TensorFlow 模型](x2paddle)
-- [模型量化](./model_quantization)
-- [支持Op列表](./support_operation_list)
-- [新增Op方法](./add_new_operation)
-- [测试工具](./debug_tools)
-- [调试方法](./debug_tools)
-- [使用华为NPU](./npu)
-- [使用Android GPU](./opencl)
-- [使用FPGA](./fpga)
-
-## 开发者文档
-
-- [开发基础须知](./for-developer)
-- [架构详解](./architecture-intro)
-
-## FAQ
-
-- 问题或建议可以[发Issue](https://github.com/PaddlePaddle/Paddle-Lite/issues)，为加快问题解决效率，可先检索是否有类似问题，我们也会及时解答！
-- 欢迎加入Paddle-Lite百度官方QQ群：696965088
-
-## paddle-mobile
-
-- [paddle-mobile 编译](./mobile)

_posts/2019-09-16-benchmark_tools.md

@@ -120,7 +120,7 @@ tar zxvf benchmark_models.tar.gz
 
 > 注：若要使用测试脚本，**对单个模型测试**，请把单个模型放入 `benchmark_models` 文件夹，并确保测试脚本、`benchmark_models`文件夹在同一级的目录。
 
-注：上述模型都已经使用`model_optimize_tool`进行转化，而且Lite移动端只支持加载转化后的模型。如果需要测试其他模型，请先参考[模型转化方法](./model_optimize_tool)。
+注：上述模型都已经使用`model_optimize_tool`进行转化，而且Lite移动端只支持加载转化后的模型。如果需要测试其他模型，请先参考[模型转化方法](model_optimize_tool.html)。
 
 
 ### 3. benchmark.sh脚本

_posts/2019-09-16-tutorial.md

@@ -12,9 +12,9 @@ Lite框架目前支持的模型结构为[PaddlePaddle](https://github.com/Paddle
 
 # 二. 模型优化
 
-Lite框架拥有强大的加速、优化策略及实现，其中包含诸如量化、子图融合、Kernel优选等等优化手段，为了方便您使用这些优化策略，我们提供了[Model Optimize Tool](./model_optimize_tool)帮助您轻松进行模型优化。优化后的模型更轻量级，耗费资源更少，并且执行速度也更快。
+Lite框架拥有强大的加速、优化策略及实现，其中包含诸如量化、子图融合、Kernel优选等等优化手段，为了方便您使用这些优化策略，我们提供了[Model Optimize Tool](model_optimize_tool.html)帮助您轻松进行模型优化。优化后的模型更轻量级，耗费资源更少，并且执行速度也更快。
 
-Model Optimize Tool的详细介绍，请您参考 [模型优化方法](./model_optimize_tool) 。
+Model Optimize Tool的详细介绍，请您参考 [模型优化方法](model_optimize_tool.html) 。
 
 使用Model Optimize Tool，您只需执行以下代码：
 ## 1. Android
@@ -72,8 +72,8 @@ $ adb shell
 
 # 四. Lite API
 
-为了方便您的使用，我们提供了C++与Java两种API，并且提供了相应的api使用的[完整示例](./demos)，您可以参考示例中的说明快速了解C++/Java的API使用方法，并集成到您自己的项目中去。需要说明的是，为了减少第三方库的依赖、提高Lite预测框架的通用性，在移动端使用Lite API您需要准备Naive Buffer存储格式的模型，具体方法可参考第2节`模型优化`。
+为了方便您的使用，我们提供了C++与Java两种API，并且提供了相应的api使用的[完整示例](demos.html)，您可以参考示例中的说明快速了解C++/Java的API使用方法，并集成到您自己的项目中去。需要说明的是，为了减少第三方库的依赖、提高Lite预测框架的通用性，在移动端使用Lite API您需要准备Naive Buffer存储格式的模型，具体方法可参考第2节`模型优化`。
 
 # 五. 测试工具
 
-为了使您更好的了解并使用Lite框架，我们向有进一步使用需求的用户开放了 [Lite Model Debug  Tool](./debug_tools) 和 [Profile Monitor Tool](./debug_tools)。Lite Model Debug Tool可以用来查找Lite框架与PaddlePaddle框架在执行预测时模型中的对应变量值是否有差异，进一步快速定位问题Op，方便复现与排查问题。Profile Monitor Tool可以帮助您了解每个Op的执行时间消耗，其会自动统计Op执行的次数，最长、最短、平均执行时间等等信息，为性能调优做一个基础参考。您可以通过 [相关专题](./debug_tools) 了解更多内容。
+为了使您更好的了解并使用Lite框架，我们向有进一步使用需求的用户开放了 [Lite Model Debug  Tool](debug_tools.html) 和 [Profile Monitor Tool](debug_tools.html)。Lite Model Debug Tool可以用来查找Lite框架与PaddlePaddle框架在执行预测时模型中的对应变量值是否有差异，进一步快速定位问题Op，方便复现与排查问题。Profile Monitor Tool可以帮助您了解每个Op的执行时间消耗，其会自动统计Op执行的次数，最长、最短、平均执行时间等等信息，为性能调优做一个基础参考。您可以通过 [相关专题](debug_tools.html) 了解更多内容。