fix error of docs, test=develop (#2309)

_all_pages/develop/add_new_operation.md

@@ -3,7 +3,7 @@ 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。
+以下以添加argmax为例，详细说明新增op的方法。
 
 ## 1. 添加OpParam 结构体以传导 Op 的输入和输出
 
@@ -76,10 +76,10 @@ title: 新增op的方法
     }
     REGISTER_LITE_OP(argmax, paddle::lite::operators::ArgmaxOpLite);
     ```
-- 在paddlelite/lite/operators/CMakeLists.txt中添加```lite_cc_library(argmax_op SRCS argmax_op.cc DEPS ${op_DEPS})```，并且在set ops lite 中添加argmax_op；
-- 在paddlelite/lite/api/paddle_use_ops.h中添加```USE_LITE_OP(argmax)```。
+- 在paddlelite/lite/operators/CMakeLists.txt中添加```add_operator(argmax_op basic SRCS argmax_op.cc DEPS ${op_DEPS})```
 
 ## 3. 添加Argmax Kernel并绑定
+
 以下以arm端argmax实现为例说明
 - 在paddlelite/lite/kernels/arm/目录下新建argmax_compute.h文件，声明ArgmaxCompute类，并继承KernelLite，主要代码如下：
     ```c++
@@ -90,7 +90,7 @@ title: 新增op的方法
         virtual ~ArgmaxCompute() = default;
     };
     ```
-- 在paddlelite/lite/kernels/arm/目录下新建argmax_compute.cc文件，主要实现Run函数。`Run()`函数调用paddlelite/lite/arm/math/argmax.h中的`argmax_func()`函数，根据输入计算输出。最后在argmax_compute.cc文件中，我们绑定argmax的输入输出（为tensor的输入参数都需要绑定），代码如下：
+- 在paddlelite/lite/kernels/arm/目录下新建argmax_compute.cc文件，主要实现Run函数。`Run()`函数调用paddlelite/lite/bachends/arm/math/argmax.h中的`argmax_func()`函数，根据输入计算输出。最后在argmax_compute.cc文件中，我们绑定argmax的输入输出（为tensor的输入参数都需要绑定），代码如下：
     ```c++
     void ArgmaxCompute::Run() {
         auto& param = Param<operators::ArgmaxParam>();
@@ -110,17 +110,16 @@ title: 新增op的方法
 
 - 在paddlelite/lite/kernels/arm/CMakeLists.txt中添加
     ```cmake
-    lite_cc_library(argmax_compute_arm SRCS argmax_compute.cc DEPS ${lite_kernel_deps} math_arm)
+    add_kernel(argmax_compute_arm ARM basic SRCS argmax_compute.cc DEPS ${lite_kernel_deps} math_arm)
     ```
-    CMakeLists.txt中set arm_kernels需要添加argmax_compute_arm;
-- 在paddlelite/lite/api/paddle_use_kernels.h中添加```USE_LITE_KERNEL(argmax, kARM, kFloat, kNCHW, def)```。
 
 ## 4. 添加Argmax实现
-- 在paddlelite/lite/arm/math/目录下新建argmax.h文件，声明`argmax_func()`函数，代码如下：
+
+- 在paddlelite/lite/backends/arm/math/目录下新建argmax.h文件，声明`argmax_func()`函数，代码如下：
     ```c++
     void argmax_func(const lite::Tensor* input, const int axis, lite::Tensor* output);
     ```
-- 在paddlelite/lite/arm/math/目录下新建argmax.cc文件，具体实现`argmax_func()`函数，代码如下：
+- 在paddlelite/lite/backends/arm/math/目录下新建argmax.cc文件，具体实现`argmax_func()`函数，代码如下：
     ```c++
     void argmax_func(const lite::Tensor *input,
                     const int axis,
@@ -155,9 +154,10 @@ title: 新增op的方法
     }
     }
     ```
-- 在paddlelite/lite/arm/math/CMakeFile.txt中的```math_arm library```中添加argmax.cc，在paddlelite/lite/arm/math/funcs.h中添加```#include "lite/arm/math/argmax.h"```
+- 在paddlelite/lite/backends/arm/math/CMakeFile.txt中的```math_arm library```中添加argmax.cc，在paddlelite/lite/backends/arm/math/funcs.h中添加```#include "lite/arm/math/argmax.h"```
 
 ## 5. 添加Argmax单测
+
 - 在paddlelite/lite/tests/kernels目录下新建argmax_compute_test.cc文件，声明并实现ArgmaxComputeTester类；
 - ArgmaxComputeTester类中主要包括PrepareOpDesc、PrepareData和RunBaseline函数。PrepareOpDesc函数设定单测op的类型和输入输出参数，PrepareData函数对输入tensor进行初始化，RunBaseline是基于输入计算得到输出，用于和框架计算的输出进行对比；
 - 使用gtest添加单测，代码如下：

_all_pages/develop/model_quantization.md

@@ -7,7 +7,7 @@ title: 模型量化
 
 本文主要介绍使用PaddlePaddle和Paddle-Lite对模型进行端到端的量化训练和推理执行，模型示例为MobileNetV1。
 
-目前，PaddlePaddle框架的量化训练主要针对卷积层（包括二维卷积和Depthwise卷积）、全连接层和Pool2D（Max类型），对应算子是conv2d、depthwise_conv2d、mul和Pool2D，更多量化训练的原理请参考[文档](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)。Paddle-Lite支持运行PaddlePaddle框架量化训练产出的模型，可以进一步加快模型在移动端的执行速度。
+目前，PaddlePaddle框架的量化训练主要针对卷积层（包括二维卷积和Depthwise卷积）、和全连接层，对应算子是conv2d、depthwise_conv2d和mul，更多量化训练的原理请参考[文档](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)。Paddle-Lite支持运行PaddlePaddle框架量化训练产出的模型，可以进一步加快模型在移动端的执行速度。
 
 温馨提示：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)。
 
@@ -27,16 +27,16 @@ wget https://paddle-inference-dist.bj.bcebos.com/int8%2Fpretrain%2Fmobilenet_v1_
 
 #### 安装PaddlePaddle
 
-根据操作系统、安装方式、Python版本和CUDA版本，按照[官方说明](https://paddlepaddle.org.cn/start)安装1.5.1版本的PaddlePaddle。例如：
+根据操作系统、安装方式、Python版本和CUDA版本，按照[官方说明](https://paddlepaddle.org.cn/start)安装PaddlePaddle。例如：
 
 Ubuntu 16.04.4 LTS操作系统，CUDA9，cuDNN7，GPU版本安装:
 ```bash
-pip install paddlepaddle-gpu==1.5.1.post97 -i https://mirrors.aliyun.com/pypi/simple/
+pip install paddlepaddle-gpu==1.6.0.post97 -i https://mirrors.aliyun.com/pypi/simple/
 ```
 
 Ubuntu 16.04.4 LTS操作系统，CPU版本安装:
 ```bash
-pip install paddlepaddle==1.5.1 -i https://mirrors.aliyun.com/pypi/simple/
+pip install paddlepaddle==1.6.0 -i https://mirrors.aliyun.com/pypi/simple/
 ```
 
 #### 克隆量化训练所需的代码库
@@ -282,4 +282,3 @@ Output[900]: 0.000969
 **问题**：Inufficient GPU memory to allocation. at [/paddle/paddle/fluid/platform/gpu_info.cc:262]
 	
 **解答**：正确设置run.sh脚本中`CUDA_VISIBLE_DEVICES`，确保显卡剩余内存大于需要内存。
-