[DOC] update compile doc dev (#4243)

* [DOC] update compile doc, test=develop, test=document_fix

[DOC] update compile doc dev (#4243)
* [DOC] update compile doc, test=develop, test=document_fix
e5eb0405 · Qi Li · GitHub · 42e62a74 · e5eb0405 · e5eb0405
32 changed file
--- a/README.md
+++ b/README.md
@@ -2,7 +2,7 @@
 [English](README_en.md) | 简体中文
-[![Build Status](https://travis-ci.org/PaddlePaddle/Paddle-Lite.svg?branch=develop&longCache=true&style=flat-square)](https://travis-ci.org/PaddlePaddle/Paddle-Lite)  [![Documentation Status](https://img.shields.io/badge/中文文档-最新-brightgreen.svg)](https://paddle-lite.readthedocs.io/zh/latest/)  [![Release](https://img.shields.io/github/release/PaddlePaddle/Paddle-Lite.svg)](https://github.com/PaddlePaddle/Paddle-Lite/releases)  [![License](https://img.shields.io/badge/license-Apache%202-blue.svg)](LICENSE)
+[![Build Status](https://travis-ci.org/PaddlePaddle/Paddle-Lite.svg?branch=develop&longCache=true&style=flat-square)](https://travis-ci.org/PaddlePaddle/Paddle-Lite)  [![Documentation Status](https://img.shields.io/badge/中文文档-最新-brightgreen.svg)](https://paddle-lite.readthedocs.io/zh/develop/)  [![Release](https://img.shields.io/github/release/PaddlePaddle/Paddle-Lite.svg)](https://github.com/PaddlePaddle/Paddle-Lite/releases)  [![License](https://img.shields.io/badge/license-Apache%202-blue.svg)](LICENSE)
 Paddle Lite是一个高性能、轻量级、灵活性强且易于扩展的深度学习推理框架，定位支持包括移动端、嵌入式以及服务器端在内的多硬件平台。
@@ -20,55 +20,55 @@ Paddle Lite框架直接支持模型结构为[PaddlePaddle](https://github.com/Pa
 **二. 模型优化**
 Paddle Lite框架拥有优秀的加速、优化策略及实现，包含量化、子图融合、Kernel优选等优化手段。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。
-这些优化通过Paddle Lite提供的opt工具实现。opt工具还可以统计并打印出模型中的算子信息，并判断不同硬件平台下Paddle Lite的支持情况。您获取PaddlePaddle格式的模型之后，一般需要通该opt工具做模型优化。opt工具的下载和使用，请参考 [模型优化方法](https://paddle-lite.readthedocs.io/zh/latest/user_guides/model_optimize_tool.html)。
+这些优化通过Paddle Lite提供的opt工具实现。opt工具还可以统计并打印出模型中的算子信息，并判断不同硬件平台下Paddle Lite的支持情况。您获取PaddlePaddle格式的模型之后，一般需要通该opt工具做模型优化。opt工具的下载和使用，请参考 [模型优化方法](https://paddle-lite.readthedocs.io/zh/develop/user_guides/model_optimize_tool.html)。
 **三. 下载或编译**
-Paddle Lite提供了Android/iOS/X86平台的官方Release预测库下载，我们优先推荐您直接下载 [Paddle Lite预编译库](https://paddle-lite.readthedocs.io/zh/latest/quick_start/release_lib.html)。
+Paddle Lite提供了Android/iOS/X86平台的官方Release预测库下载，我们优先推荐您直接下载 [Paddle Lite预编译库](https://paddle-lite.readthedocs.io/zh/develop/quick_start/release_lib.html)。
-您也可以根据目标平台选择对应的[源码编译方法](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html)。Paddle Lite 提供了源码编译脚本，位于 `lite/tools/`文件夹下，只需要 [准备环境](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#id2) 和 [调用编译脚本](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#paddlelite) 两个步骤即可一键编译得到目标平台的Paddle Lite预测库。
+您也可以根据目标平台选择对应的[源码编译方法](https://paddle-lite.readthedocs.io/zh/develop/quick_start/release_lib.html#id2)。Paddle Lite 提供了源码编译脚本，位于 `lite/tools/`文件夹下，只需要 [准备环境](https://paddle-lite.readthedocs.io/zh/develop/source_compile/compile_env.html) 和 [调用编译脚本](https://paddle-lite.readthedocs.io/zh/develop/quick_start/release_lib.html#id2) 两个步骤即可一键编译得到目标平台的Paddle Lite预测库。
 **四. 预测示例**
 Paddle Lite提供了C++、Java、Python三种API，并且提供了相应API的完整使用示例:
- [C++完整示例](https://paddle-lite.readthedocs.io/zh/latest/quick_start/cpp_demo.html)
+- [C++完整示例](https://paddle-lite.readthedocs.io/zh/develop/quick_start/cpp_demo.html)
- [Java完整示例](https://paddle-lite.readthedocs.io/zh/latest/quick_start/java_demo.html)
+- [Java完整示例](https://paddle-lite.readthedocs.io/zh/develop/quick_start/java_demo.html)
- [Python完整示例](https://paddle-lite.readthedocs.io/zh/latest/quick_start/python_demo.html)
+- [Python完整示例](https://paddle-lite.readthedocs.io/zh/develop/quick_start/python_demo.html)
 您可以参考示例中的说明快速了解使用方法，并集成到您自己的项目中去。
 针对不同的硬件平台，Paddle Lite提供了各个平台的完整示例：
- [Android示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/android_app_demo.html) [[图像分类]](https://paddlelite-demo.bj.bcebos.com/apps/android/mobilenet_classification_demo.apk)  [[目标检测]](https://paddlelite-demo.bj.bcebos.com/apps/android/yolo_detection_demo.apk) [[口罩检测]](https://paddlelite-demo.bj.bcebos.com/apps/android/mask_detection_demo.apk)  [[人脸关键点]](https://paddlelite-demo.bj.bcebos.com/apps/android/face_keypoints_detection_demo.apk) [[人像分割]](https://paddlelite-demo.bj.bcebos.com/apps/android/human_segmentation_demo.apk)
+- [Android示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/android_app_demo.html) [[图像分类]](https://paddlelite-demo.bj.bcebos.com/apps/android/mobilenet_classification_demo.apk)  [[目标检测]](https://paddlelite-demo.bj.bcebos.com/apps/android/yolo_detection_demo.apk) [[口罩检测]](https://paddlelite-demo.bj.bcebos.com/apps/android/mask_detection_demo.apk)  [[人脸关键点]](https://paddlelite-demo.bj.bcebos.com/apps/android/face_keypoints_detection_demo.apk) [[人像分割]](https://paddlelite-demo.bj.bcebos.com/apps/android/human_segmentation_demo.apk)
- [iOS示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/ios_app_demo.html)
+- [iOS示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/ios_app_demo.html)
- [ARMLinux示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/linux_arm_demo.html)
+- [ARMLinux示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/linux_arm_demo.html)
- [X86示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/x86.html)
+- [X86示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/x86.html)
- [CUDA示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/cuda.html)
+- [CUDA示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/cuda.html)
- [OpenCL示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/opencl.html)
+- [OpenCL示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/opencl.html)
- [FPGA示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/fpga.html)
+- [FPGA示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/fpga.html)
- [Huawei NPU示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/npu.html)
+- [Huawei NPU示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/npu.html)
- [Baidu XPU示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/baidu_xpu.html)
+- [Baidu XPU示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/baidu_xpu.html)
- [RKNPU示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/rockchip_npu.html)
+- [RKNPU示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/rockchip_npu.html)
- [MTK APU示例](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/mediatek_apu.html)
+- [MTK APU示例](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/mediatek_apu.html)
 ## 主要特性
 - **多硬件支持：**
-	- Paddle Lite架构已经验证和完整支持从 Mobile 到 Server [多种硬件平台](https://paddle-lite.readthedocs.io/zh/latest/introduction/support_hardware.html)，包括 ARM CPU、Mali GPU、Adreno GPU、华为 NPU，以及 FPGA 等，且正在不断增加更多新硬件支持。
+	- Paddle Lite架构已经验证和完整支持从 Mobile 到 Server [多种硬件平台](https://paddle-lite.readthedocs.io/zh/develop/introduction/support_hardware.html)，包括 ARM CPU、Mali GPU、Adreno GPU、华为 NPU，以及 FPGA 等，且正在不断增加更多新硬件支持。
-	- 各个硬件平台的 Kernel 在代码层和执行层互不干扰，用户不仅可以自由插拔任何硬件，还支持任意系统可见硬件之间的[混合调度](https://paddle-lite.readthedocs.io/zh/latest/introduction/tech_highlights.html#id7)。
+	- 各个硬件平台的 Kernel 在代码层和执行层互不干扰，用户不仅可以自由插拔任何硬件，还支持任意系统可见硬件之间的[混合调度](https://paddle-lite.readthedocs.io/zh/develop/introduction/tech_highlights.html#id7)。
 - **轻量级部署**：
 	- Paddle Lite在设计上对图优化模块和执行引擎实现了良好的解耦拆分，移动端可以直接部署执行阶段，无任何第三方依赖。
-	- 包含完整的80个 op+85个 Kernel 的动态库，对于ARMV7只有800K，ARMV8下为1.3M，并可以通过[裁剪预测](https://paddle-lite.readthedocs.io/zh/latest/user_guides/library_tailoring.html)库进一步减小预测库文件大小。
+	- 包含完整的80个 op+85个 Kernel 的动态库，对于ARMV7只有800K，ARMV8下为1.3M，并可以通过[裁剪预测](https://paddle-lite.readthedocs.io/zh/develop/user_guides/library_tailoring.html)库进一步减小预测库文件大小。
 - **高性能：**
 	- 极致的 ARM CPU 性能优化：针对不同微架构特点实现kernel的定制，最大发挥计算性能，在主流模型上展现出领先的速度优势。
 	- 支持 [PaddleSlim模型压缩工具](https://github.com/PaddlePaddle/PaddleSlim)：支持量化训练、离线量化等多种量化方式，最优可在不损失精度的前提下进一步提升模型推理性能。性能数据请参考 [benchmark](https://paddlepaddle.github.io/Paddle-Lite/develop/benchmark/)。
 - **多模型多算子**：
 	- Paddle Lite和PaddlePaddle训练框架的OP对齐，提供广泛的模型支持能力。
-	- 目前已严格验证24个模型200个OP的精度和性能，对视觉类模型做到了较为充分的支持，覆盖分类、检测和定位，包含了特色的OCR模型的支持，并在不断丰富中。具体请参考[支持OP](https://paddle-lite.readthedocs.io/zh/latest/introduction/support_operation_list.html)。
+	- 目前已严格验证24个模型200个OP的精度和性能，对视觉类模型做到了较为充分的支持，覆盖分类、检测和定位，包含了特色的OCR模型的支持，并在不断丰富中。具体请参考[支持OP](https://paddle-lite.readthedocs.io/zh/develop/introduction/support_operation_list.html)。
 - **强大的图分析和优化能力**：
-	- 不同于常规的移动端预测引擎基于 Python 脚本工具转化模型， Lite 架构上有完整基于 C++ 开发的 IR 及相应 Pass 集合，以支持操作熔合，计算剪枝，存储优化，量化计算等多类计算图优化。更多的优化策略可以简单通过 [新增 Pass](https://paddle-lite.readthedocs.io/zh/latest/develop_guides/add_new_pass.html) 的方式模块化支持。
+	- 不同于常规的移动端预测引擎基于 Python 脚本工具转化模型， Lite 架构上有完整基于 C++ 开发的 IR 及相应 Pass 集合，以支持操作熔合，计算剪枝，存储优化，量化计算等多类计算图优化。更多的优化策略可以简单通过 [新增 Pass](https://paddle-lite.readthedocs.io/zh/develop/develop_guides/add_new_pass.html) 的方式模块化支持。
 ## 持续集成
@@ -97,25 +97,25 @@ Paddle Lite 的架构设计着重考虑了对多硬件和平台的支持，并
 如果您想要进一步了解Paddle Lite，下面是进一步学习和使用Paddle-Lite的相关内容：
 ### 文档和示例
- 完整文档： [Paddle Lite 文档](https://paddle-lite.readthedocs.io/zh/latest/) 
+- 完整文档： [Paddle Lite 文档](https://paddle-lite.readthedocs.io/zh/develop/) 
 -  API文档：
-	- [C++ API文档](https://paddle-lite.readthedocs.io/zh/latest/api_reference/cxx_api_doc.html)
+	- [C++ API文档](https://paddle-lite.readthedocs.io/zh/develop/api_reference/cxx_api_doc.html)
-	- [Java API文档](https://paddle-lite.readthedocs.io/zh/latest/api_reference/java_api_doc.html) 
+	- [Java API文档](https://paddle-lite.readthedocs.io/zh/develop/api_reference/java_api_doc.html) 
-	- [Python API文档](https://paddle-lite.readthedocs.io/zh/latest/api_reference/python_api_doc.html)
+	- [Python API文档](https://paddle-lite.readthedocs.io/zh/develop/api_reference/python_api_doc.html)
-	- [CV图像处理API文档](https://paddle-lite.readthedocs.io/zh/latest/api_reference/cv.html)
+	- [CV图像处理API文档](https://paddle-lite.readthedocs.io/zh/develop/api_reference/cv.html)
 - Paddle Lite工程示例： [Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)
 ### 关键技术
 - 模型量化：
-	-  [静态离线量化](https://paddle-lite.readthedocs.io/zh/latest/user_guides/post_quant_with_data.html)
+	-  [静态离线量化](https://paddle-lite.readthedocs.io/zh/develop/user_guides/post_quant_with_data.html)
-	- [动态离线量化](https://paddle-lite.readthedocs.io/zh/latest/user_guides/post_quant_no_data.html)
+	- [动态离线量化](https://paddle-lite.readthedocs.io/zh/develop/user_guides/post_quant_no_data.html)
-	- [量化训练](https://paddle-lite.readthedocs.io/zh/latest/user_guides/model_quantization.html)
+	- [量化训练](https://paddle-lite.readthedocs.io/zh/develop/user_guides/model_quantization.html)
- 调试分析：[调试和性能分析工具](https://paddle-lite.readthedocs.io/zh/latest/user_guides/debug.html)
+- 调试分析：[调试和性能分析工具](https://paddle-lite.readthedocs.io/zh/develop/user_guides/debug.html)
- 移动端模型训练：点击[了解一下](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/cpp_train_demo.html)
+- 移动端模型训练：点击[了解一下](https://paddle-lite.readthedocs.io/zh/develop/demo_guides/cpp_train_demo.html)
 - 飞桨预训练模型库：试试在[PaddleHub](https://www.paddlepaddle.org.cn/hublist?filter=hot&value=1)浏览和下载Paddle的预训练模型
 ### FAQ
- FAQ：常见问题，可以访问[FAQ](https://paddle-lite.readthedocs.io/zh/latest/introduction/faq.html)、搜索Issues、或者通过页面底部的联系方式联系我们
+- FAQ：常见问题，可以访问[FAQ](https://paddle-lite.readthedocs.io/zh/develop/introduction/faq.html)、搜索Issues、或者通过页面底部的联系方式联系我们
 ###贡献代码
- 贡献代码：如果您想一起参与Paddle Lite的开发，贡献代码，请访问[开发者共享文档](https://paddle-lite.readthedocs.io/zh/latest/develop_guides/for-developer.html)
+- 贡献代码：如果您想一起参与Paddle Lite的开发，贡献代码，请访问[开发者共享文档](https://paddle-lite.readthedocs.io/zh/develop/develop_guides/for-developer.html)
 ##  交流与反馈

--- a/docs/api_reference/cv.md
+++ b/docs/api_reference/cv.md
 # CV图像预处理API
-请把编译脚本`Paddle-Lite/lite/too/build.sh`中`BUILD_CV`变量设置为`ON`， 其他编译参数设置请参考[源码编译](../user_guides/source_compile)， 以确保 Lite 可以正确编译。这样`CV`图像的加速库就会编译进去，且会生成`paddle_image_preprocess.h`的API文件
+请把编译脚本`Paddle-Lite/lite/tool/build_linux.sh`中`BUILD_CV`变量设置为`ON`， 其他编译参数设置请参考[Linux源码编译](../source_compile/compile_linux)， 以确保 Lite 可以正确编译。这样`CV`图像的加速库就会编译进去，且会生成`paddle_image_preprocess.h`的API文件
 - 硬件平台： `ARM`
 - 操作系统：`MAC` 和 `LINUX`

--- a/docs/app_develop/cpp_app_develop.md
+++ b/docs/app_develop/cpp_app_develop.md
-# C++ 应用开发
-C++代码调用Paddle-Lite执行预测库仅需以下五步：
-(1) 引用头文件和命名空间
-```c++
-#include "paddle_api.h"
-using namespace paddle::lite_api;
-```
-(2) 指定模型文件，创建Predictor
-```C++
-// 1. Set MobileConfig, model_file_path is 
-// the path to model model file. 
-MobileConfig config;
-config.set_model_from_file(model_file_path);
-// 2. Create PaddlePredictor by MobileConfig
-std::shared_ptr<PaddlePredictor> predictor =
-    CreatePaddlePredictor<MobileConfig>(config);
-```
-(3) 设置模型输入 (下面以全一输入为例)
-```c++
-std::unique_ptr<Tensor> input_tensor(std::move(predictor->GetInput(0)));
-input_tensor->Resize({1, 3, 224, 224});
-auto* data = input_tensor->mutable_data<float>();
-for (int i = 0; i < ShapeProduction(input_tensor->shape()); ++i) {
-  data[i] = 1;
-}
-```
-(4) 执行预测
-```c++
-predictor->Run();
-```
-(5) 获得预测结果
-```c++
-std::unique_ptr<const Tensor> output_tensor(
-    std::move(predictor->GetOutput(0)));
-// 转化为数据
-auto output_data=output_tensor->data<float>();
-```
-详细的C++ API说明文档位于[C++ API](../api_reference/cxx_api_doc)。更多C++应用预测开发可以参考位于 [demo/c++](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/cxx) 下的示例代码，或者位于[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)的工程示例代码。
--- a/docs/app_develop/java_app_develop.md
+++ b/docs/app_develop/java_app_develop.md
-# Java 应用开发
-Java代码调用Paddle-Lite执行预测库仅需以下五步：
-(1) 设置config信息
-```java
-MobileConfig config = new MobileConfig();
-config.setModelDir(modelPath);
-config.setPowerMode(PowerMode.LITE_POWER_HIGH);
-config.setThreads(1);
-```
-(2) 创建predictor
-```java
-PaddlePredictor predictor = PaddlePredictor.createPaddlePredictor(config);
-```
-(3) 设置模型输入 (下面以全一输入为例)
-```java
-float[] inputBuffer = new float[10000];
-for (int i = 0; i < 10000; ++i) {
-    inputBuffer[i] = i;
-}
-Tensor input = predictor.getInput(0);
-input.resize({100, 100});
-input.setData(inputBuffer);
-```
-(4) 执行预测
-```java
-predictor.run();
-```
-(5) 获得预测结果
-```java
-Tensor output = predictor.getOutput(0);
-```
-详细的Java API说明文档位于[Java API](../api_reference/java_api_doc)。更多Java应用预测开发可以参考位于 [demo/java](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/java) 下的示例代码，或者位于[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)的工程示例代码。
--- a/docs/app_develop/python_app_develop.md
+++ b/docs/app_develop/python_app_develop.md
-# Python 应用开发
-Python代码调用Paddle-Lite执行预测库仅需以下六步：
-(1) 设置config信息
-```python
-from paddlelite.lite import *
-config = MobileConfig()
-config.set_model_from_file(/YOU_MODEL_PATH/mobilenet_v1_opt.nb)
-```
-(2) 创建predictor
-```python
-predictor = create_paddle_predictor(config)
-```
-(3) 从图片读入数据
-```python
-image = Image.open('./example.jpg')
-resized_image = image.resize((224, 224), Image.BILINEAR)
-image_data = np.array(resized_image).flatten().tolist()
-```
-(4) 设置输入数据
-```python
-input_tensor = predictor.get_input(0)
-input_tensor.resize([1, 3, 224, 224])
-input_tensor.set_float_data(image_data)
-```
-(5) 执行预测
-```python
-predictor.run()
-```
-(6) 得到输出数据
-```python
-output_tensor = predictor.get_output(0)
-print(output_tensor.shape())
-print(output_tensor.float_data()[:10])
-```
-详细的Python API说明文档位于[Python API](../api_reference/python_api_doc)。更多Python应用预测开发可以参考位于 [demo/python](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/python) 下的示例代码，或者位于[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)的工程示例代码。
--- a/docs/demo_guides/android_app_demo.md
+++ b/docs/demo_guides/android_app_demo.md
-# Android Demo
+# Android 工程示例
 ## 多种应用场景
@@ -36,7 +36,7 @@
 **需要的环境**： Android Studio、Android手机（开启USB调试模式）、下载到本地的[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)工程
-**预先要求**：如果您的Android Studio尚未配置NDK，请根据Android Studio用户指南中的[安装及配置NDK和CMake](https://developer.android.com/studio/projects/install-ndk)内容，预先配置好NDK。您可以选择最新的NDK版本，或者与[Android编译环境配置](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#android)中的NDK版本保持一致。
+**预先要求**：如果您的Android Studio尚未配置NDK，请根据Android Studio用户指南中的[安装及配置NDK和CMake](https://developer.android.com/studio/projects/install-ndk)内容，预先配置好NDK。您可以选择最新的NDK版本，或者与[Android编译环境配置](../source_compile/compile_env.html#android)中的NDK版本保持一致。
 **部署步骤**：

--- a/docs/demo_guides/baidu_xpu.md
+++ b/docs/demo_guides/baidu_xpu.md
@@ -95,7 +95,7 @@ Paddle Lite已支持百度XPU在x86和arm服务器（例如飞腾 FT-2000+/64）
 ### 准备本地编译环境
- 为了保证编译环境一致，建议参考[源码编译](../user_guides/source_compile)中的Linux开发环境进行配置；
+- 为了保证编译环境一致，建议参考[编译环境准备](../source_compile/compile_env.html#linux)中的Linux开发环境进行配置；
 - 由于编译示例程序需要依赖OpenCV和CMake 3.10.3，请执行如下命令进行安装；
 ```shell

--- a/docs/demo_guides/fpga.md
+++ b/docs/demo_guides/fpga.md
@@ -22,7 +22,8 @@ CMAKE编译选项：
 - 设置`LITE_WITH_FPGA=ON`和`LITE_WITH_ARM=ON`
-其他编译选项与ARM编译相同，可以参考[“Paddle Lite在Docker下的ARM编译”](../user_guides/source_compile)。
+其他编译选项与ARM编译相同，可以参考[“Paddle Lite在Docker下的ARM编译”](../source_compile/compile_linux)。
 示例如下：
 ```shell
    cmake .. \

--- a/docs/demo_guides/huawei_kirin_npu.md
+++ b/docs/demo_guides/huawei_kirin_npu.md
@@ -57,7 +57,7 @@ Paddle Lite是首款支持华为自研达芬奇架构NPU（Kirin 810/990 SoC搭
 ### 准备交叉编译环境
- 为了保证编译环境一致，建议参考[源码编译](../user_guides/source_compile)中的Docker开发环境进行配置。
+- 为了保证编译环境一致，建议参考[编译环境准备](../source_compile/compile_env)中的Docker开发环境进行配置。
 ### 运行图像分类示例程序

--- a/docs/demo_guides/ios_app_demo.md
+++ b/docs/demo_guides/ios_app_demo.md
-# iOS Demo
+# iOS 工程示例
 ## 多种应用场景

--- a/docs/demo_guides/linux_arm_demo.md
+++ b/docs/demo_guides/linux_arm_demo.md
-# Linux(ARM) Demo
+# Linux(ARM) 工程示例
 ## 多种应用场景
@@ -86,6 +86,6 @@ for (int i = 0; i < ShapeProduction(output_tensor->shape()); i += 100) {
 ## 使用Python接口预测
-1. Python预测库编译参考[编译Linux](../user_guides/Compile/Linux)，建议在开发版上编译。
+1. Python预测库编译参考[编译Linux](../source_compile/compile_linux)，建议在开发版上编译。
-2. [Paddle-Lite Python API](https://paddle-lite.readthedocs.io/zh/latest/api_reference/python_api_doc.html)。
+2. [Paddle-Lite Python API](../api_reference/python_api_doc)。
-3. 代码参考，[Python预测](python_demo)
+3. 代码参考，[Python完整示例](python_demo)
--- a/docs/demo_guides/mediatek_apu.md
+++ b/docs/demo_guides/mediatek_apu.md
@@ -42,7 +42,7 @@ Paddle Lite已支持MTK APU的预测部署。
 ### 准备交叉编译环境
- 为了保证编译环境一致，建议参考[源码编译](../user_guides/source_compile)中的Docker开发环境进行配置。
+- 为了保证编译环境一致，建议参考[编译环境准备](../source_compile/compile_env)中的Docker开发环境进行配置。
 ### 运行图像分类示例程序

--- a/docs/demo_guides/rockchip_npu.md
+++ b/docs/demo_guides/rockchip_npu.md
@@ -48,7 +48,7 @@ Paddle Lite已支持RK NPU的预测部署。
 ### 准备交叉编译环境
- 为了保证编译环境一致，建议参考[源码编译](../user_guides/source_compile)中的Docker开发环境进行配置。
+- 为了保证编译环境一致，建议参考[编译环境准备](../source_compile/compile_env)中的Docker开发环境进行配置。
 ### 运行图像分类示例程序

--- a/docs/demo_guides/x86.md
+++ b/docs/demo_guides/x86.md
@@ -2,7 +2,7 @@
 ## 一、Docker或者Linux环境
-Paddle-Lite 支持在Docker或Linux环境编译x86预测库。环境搭建参考[环境准备](../user_guides/source_compile)。
+Paddle-Lite 支持在Docker或Linux环境编译x86预测库。环境搭建参考[编译环境准备](../source_compile/compile_env)。
 ### 编译

--- a/docs/index.rst
+++ b/docs/index.rst
@@ -17,6 +17,14 @@ Welcome to Paddle-Lite's documentation!
  introduction/support_operation_list
  introduction/support_model_list
+.. toctree::
+  :maxdepth: 1
+  :caption: Benchmark
+  :name: sec-benchmark
+  benchmark/benchmark
+  benchmark/benchmark_tools
 .. toctree::
  :maxdepth: 1
  :caption: 快速开始
@@ -30,34 +38,15 @@ Welcome to Paddle-Lite's documentation!
 .. toctree::
  :maxdepth: 1
-  :caption: 应用开发
+  :caption: 使用工具
-  :name: sec-app-develop
-  app_develop/cpp_app_develop
-  app_develop/java_app_develop
-  app_develop/python_app_develop
-.. toctree::
-  :maxdepth: 1
-  :caption: Benchmark
-  :name: sec-benchmark
-  benchmark/benchmark
-  benchmark/benchmark_tools
-.. toctree::
-  :maxdepth: 1
-  :caption: 使用方法
  :name: sec-user-guides
-  user_guides/source_compile
  user_guides/x2paddle
  user_guides/model_optimize_tool
  user_guides/post_quant_with_data
  user_guides/post_quant_no_data
  user_guides/model_quantization
  user_guides/debug
-  user_guides/library_tailoring
 .. toctree::
  :maxdepth: 1
@@ -76,6 +65,18 @@ Welcome to Paddle-Lite's documentation!
  demo_guides/rockchip_npu
  demo_guides/mediatek_apu
+.. toctree::
+  :maxdepth: 1
+  :caption: 源码编译
+  :name: sec-source-compile
+  source_compile/compile_env
+  source_compile/compile_andriod
+  source_compile/compile_ios
+  source_compile/compile_linux
+  source_compile/compile_options
+  source_compile/library_tailoring
 .. toctree::
  :maxdepth: 1
  :caption: 训练示例（预览）
@@ -115,8 +116,4 @@ Welcome to Paddle-Lite's documentation!
  introduction/faq
-.. toctree::
-  :maxdepth: 1
-  :caption: paddle-mobile
--- a/docs/introduction/faq.md
+++ b/docs/introduction/faq.md
@@ -5,4 +5,4 @@
 1. 在Host端采用交叉编译方式编译PaddleLite，将编译后的libpaddle_light_api_shared.so和可执行程序放到板卡上运行，出现了如下图所示的错误，怎么解决？ 
 ![host_target_compiling_env_miss_matched](https://user-images.githubusercontent.com/9973393/75761527-31b8b700-5d74-11ea-8a9a-0bc0253ee003.png)
- 原因是Host端的交叉编译环境与Target端板卡的运行环境不一致，导致libpaddle_light_api_shared.so链接的GLIBC库高于板卡环境的GLIBC库。目前有四种解决办法（为了保证编译环境与官方一致，推荐第一种方式）：1）在Host端，参考[源码编译](../user_guides/source_compile)中的Docker方式重新编译libpaddle_light_api_shared.so；2）在Host端，使用与Target端版本一致的ARM GCC和GLIBC库重新编译libpaddle_light_api_shared.so；3）在Target端板卡上，参考[源码编译](../user_guides/source_compile)中的ARM Linux本地编译方式重新编译libpaddle_light_api_shared.so；4）在Target端板卡上，将GLIBC库升级到和Host端一致的版本，即GLIBC2.27。
+- 原因是Host端的交叉编译环境与Target端板卡的运行环境不一致，导致libpaddle_light_api_shared.so链接的GLIBC库高于板卡环境的GLIBC库。目前有四种解决办法（为了保证编译环境与官方一致，推荐第一种方式）：1）在Host端，参考[编译环境准备](../source_compile/compile_env)和[Linux源码编译](../source_compile/compile_linux)中的Docker方式重新编译libpaddle_light_api_shared.so；2）在Host端，使用与Target端版本一致的ARM GCC和GLIBC库重新编译libpaddle_light_api_shared.so；3）在Target端板卡上，参考[编译环境准备](../source_compile/compile_env)和[Linux源码编译](../source_compile/compile_linux)中的ARM Linux本地编译方式重新编译libpaddle_light_api_shared.so；4）在Target端板卡上，将GLIBC库升级到和Host端一致的版本，即GLIBC2.27。
--- a/docs/quick_start/cpp_demo.md
+++ b/docs/quick_start/cpp_demo.md
 # C++ 完整示例
+本章节包含2部分内容：(1) [C++ 示例程序](cpp_demo.html#id1); (2) [C++ 应用开发说明](cpp_demo.html#id11)。
+## C++ 示例程序
 本章节展示的所有C++ 示例代码位于 [demo/c++](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/cxx) 。
-## 1. 环境准备
+### 1. 环境准备
 要编译和运行Android C++ 示例程序，你需要准备：
 1. 一台armv7或armv8架构的安卓手机
 2. 一台可以编译PaddleLite的电脑
-## 2. 下载预编译的预测库
+### 2. 下载预编译的预测库
-预测库下载界面位于[Paddle-Lite官方预编译库](release_lib)，可根据您的手机型号选择合适版本。
+预测库下载界面位于[Lite预编译库下载](release_lib)，可根据您的手机型号选择合适版本。
 以**Android-ARMv8架构**为例，可以下载以下版本：
@@ -22,19 +26,19 @@
 **解压后内容结构如下：**
 ```shell
-inference_lite_lib.android.armv8          # Paddle-Lite 预测库
+inference_lite_lib.android.armv8          Paddle-Lite 预测库
-├── cxx                                       # C++ 预测库
+├── cxx                                       C++ 预测库
-│   ├── include                                   # C++ 预测库头文件
+│   ├── include                                   C++ 预测库头文件
-│   └── lib                                       # C++ 预测库文件
+│   └── lib                                       C++ 预测库文件
-│       ├── libpaddle_api_light_bundled.a             # 静态预测库
+│       ├── libpaddle_api_light_bundled.a             静态预测库
-│       └── libpaddle_light_api_shared.so             # 动态预测库
+│       └── libpaddle_light_api_shared.so             动态预测库
-├── demo                                      # 示例 Demo
+├── demo                                      示例 Demo
-│   ├── cxx                                       # C++ 示例 Demo
+│   ├── cxx                                       C++ 示例 Demo
-│   └── java                                      # Java 示例 Demo
+│   └── java                                      Java 示例 Demo
-└── java                                      # Java 预测库
+└── java                                      Java 预测库
 ```
-## 3. 准备预测部署模型
+### 3. 准备预测部署模型
 (1) 模型下载：下载[mobilenet_v1](http://paddle-inference-dist.bj.bcebos.com/mobilenet_v1.tar.gz)模型后解压，得到Paddle非combined形式的模型，位于文件夹 `mobilenet_v1` 下。可通过模型可视化工具[Netron](https://lutzroeder.github.io/netron/)打开文件夹下的`__model__`文件，查看模型结构。
@@ -76,7 +80,7 @@ paddle_lite_opt --model_dir=./mobilenet_v1 \
-## 4. 编译预测示例程序
+### 4. 编译预测示例程序
 准备好预测库和模型，就可以直接编译随着预测库一起发布的 C++ Demo，位于在第二步中下载的预测库文件目录下`inference_lite_lib.android.armv8/demo/cxx`。以mobilenet_v1为例，目录下的`mobile_light`为mobilenet_v1预测示例，预测程序需要编译为Android可执行文件。
@@ -87,7 +91,7 @@ make
 会在同级目录下生成名为`mobilenetv1_light_api`的可执行文件。
-## 5. 预测部署和执行
+### 5. 预测部署和执行
 (1) 设置手机：手机USB连接电脑，打开`设置 -> 开发者模式 -> USB调试 -> 允许（授权）当前电脑调试手机`。保证当前电脑已经安装[adb工具](https://developer.android.com/studio/command-line/adb)，运行以下命令，确认当前手机设备已被识别：
@@ -150,9 +154,9 @@ output tensor 0 standard deviation:0.00219646
 output tensor 0 mean value:0.001
 ```
-## 更多C++示例
+### 更多C++示例
-### 图像分类示例
+#### 图像分类示例
 ```shell
 cd inference_lite_lib.android.armv8/demo/cxx/mobile_classify
@@ -186,7 +190,7 @@ i: 3, index: 282, name:  tiger cat, score: 0.093659
 i: 4, index: 283, name:  Persian cat, score: 0.060198
 ```
-### 目标检测示例
+#### 目标检测示例
 ```shell
 cd inference_lite_lib.android.armv8/demo/cxx/ssd_detection
@@ -217,7 +221,7 @@ detection, image size: 935, 1241, detect object: person, score: 0.929626, locati
 adb pull /data/local/tmp/test_ssd_detection_result.jpg ./
 ```
-### 口罩检测示例
+#### 口罩检测示例
 ```shell
 cd inference_lite_lib.android.armv8/demo/cxx/mask_detection
@@ -239,3 +243,54 @@ detect face, location: x=566, y=176, width=245, height=294, wear mask: 1, prob:
 write result to file: test_img_result.jpg, success.
 /data/local/tmp/mask_demo/test_img_result.jpg: 1 file pulled, 0 skipped. 13.7 MB/s (87742 bytes in 0.006s)
 ```
+## C++ 应用开发说明
+C++代码调用Paddle-Lite执行预测库仅需以下五步：
+(1) 引用头文件和命名空间
+```c++
+#include "paddle_api.h"
+using namespace paddle::lite_api;
+```
+(2) 指定模型文件，创建Predictor
+```C++
+// 1. Set MobileConfig, model_file_path is 
+// the path to model model file. 
+MobileConfig config;
+config.set_model_from_file(model_file_path);
+// 2. Create PaddlePredictor by MobileConfig
+std::shared_ptr<PaddlePredictor> predictor =
+    CreatePaddlePredictor<MobileConfig>(config);
+```
+(3) 设置模型输入 (下面以全一输入为例)
+```c++
+std::unique_ptr<Tensor> input_tensor(std::move(predictor->GetInput(0)));
+input_tensor->Resize({1, 3, 224, 224});
+auto* data = input_tensor->mutable_data<float>();
+for (int i = 0; i < ShapeProduction(input_tensor->shape()); ++i) {
+  data[i] = 1;
+}
+```
+(4) 执行预测
+```c++
+predictor->Run();
+```
+(5) 获得预测结果
+```c++
+std::unique_ptr<const Tensor> output_tensor(
+    std::move(predictor->GetOutput(0)));
+// 转化为数据
+auto output_data=output_tensor->data<float>();
+```
+详细的C++ API说明文档位于[C++ API](../api_reference/cxx_api_doc)。更多C++应用预测开发可以参考位于位于[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)的工程示例代码。
--- a/docs/quick_start/java_demo.md
+++ b/docs/quick_start/java_demo.md
 # Java 完整示例
+本章节包含2部分内容：(1) [Java 示例程序](java_demo.html#id1)；(2) [Java 应用开发说明](java_demo.html#id8)。
+## Java 示例程序
 本章节展示的所有Java 示例代码位于 [demo/java](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/java) 。
-## 1. 环境准备
+### 1. 环境准备
 要编译和运行Android Java 示例程序，你需要准备：
 1. 一台armv7或armv8架构的安卓手机
 2. 一台装有AndroidStudio的开发机
-## 2. 下载预编译的预测库
+### 2. 下载预编译的预测库
-预测库下载界面位于[Paddle-Lite官方预编译库](release_lib)，可根据您的手机型号选择合适版本。
+预测库下载界面位于[Lite预编译库下载](release_lib)，可根据您的手机型号选择合适版本。
 以**Android-ARMv8架构**为例，可以下载以下版本：
@@ -22,26 +26,26 @@
 **解压后内容结构如下：**
 ```shell
-inference_lite_lib.android.armv8          # Paddle-Lite 预测库
+inference_lite_lib.android.armv8    Paddle-Lite 预测库
-├── cxx                                       # C++ 预测库
+├── cxx                                 C++ 预测库
-│   ├── include                                   # C++ 预测库头文件
+│   ├── include                             C++ 预测库头文件
-│   └── lib                                       # C++ 预测库文件
+│   └── lib                                 C++ 预测库文件
-├── demo                                      # 示例 Demo
+├── demo                                示例 Demo
-│   ├── cxx                                       # C++ 示例 Demo
+│   ├── cxx                                 C++ 示例 Demo
-│   └── java                                      # Java 示例 Demo
+│   └── java                                Java 示例 Demo
-│       ├── README.md                                 # Demo Readme 文件
+│       ├── README.md                           Java Demo Readme 文件
-│       └── android                                   # Java Andriod Demo
+│       └── android                             Java Andriod Demo
-└── java                                      # Java 预测库
+└── java                                Java 预测库
    ├── jar 
-    │   └── PaddlePredictor.jar                    # Java JAR 包
+    │   └── PaddlePredictor.jar                 Java JAR 包
    ├── so 
-    │   └── libpaddle_lite_jni.so                  # Java JNI 动态链接库
+    │   └── libpaddle_lite_jni.so               Java JNI 动态链接库
    └── src
 ```
-## 3. 准备预测部署模型
+### 3. 准备预测部署模型
-### 自动化脚本方法
+#### 自动化脚本方法
 在Java Andriod Demo文件夹下，我们准备了一个脚本`prepare_demo.bash`，输入手机架构参数例如`arm64-v8a`，即可自动打包所有预测部署所需文件。
@@ -58,7 +62,7 @@ bash prepare_demo.bash arm8
 **注意：** 目前脚本输入手机架构参数仅支持 `arm7 | arm8 | armeabi-v7a | arm64-v8a`。
-### 手动拷贝方法
+#### 手动拷贝方法
 (1) 把Java JNI动态链接库和Java JAR包拷贝进安卓demo程序文件夹下：
@@ -83,7 +87,7 @@ cp ../../../java/jar/PaddlePredictor.jar PaddlePredictor/app/libs/
 注意：模型要求为naive buffer格式，您可以通过 [opt工具](../user_guides/model_optimize_tool) 将Paddle模型转为naive buffer存储格式。
-## 4. 运行预测示例程序
+### 4. 运行预测示例程序
 1. 用AndroidStudio打开`inference_lite_lib.android.armv8/demo/java/android/PaddlePredictor`文件夹（需要联网），打开后工程会自动build完成。
 2. 设置手机：手机USB连接电脑，打开`设置 -> 开发者模式 -> USB调试 -> 允许（授权）当前电脑调试手机`，并确认AndroidStudio可以识别接入的手机设备。
@@ -108,4 +112,49 @@ time: xxx ms
 该 demo 程序跑我们的 5 个模型，第一个模型结果将真正的头两个数字输出，并在第二行附上期望的正确值。你应该要看到他们的误差小于0.001。后面四个模型如果你看到 `test:true` 字样，说明模型输出通过了我们在 demo 程序里对其输出的测试。time 代表该测试花费的时间。
-**注意：** 在这一步中，如果遇到Andriod Studio编译/安装失败等问题，请参考[Andriod示例](../demo_guides/android_app_demo.html#id6)中部署方法章节的详细步骤和注意事项。
+**注意：** 在这一步中，如果遇到Andriod Studio编译/安装失败等问题，请参考[Andriod示例](../demo_guides/android_app_demo.html#android-demo)中部署方法章节的详细步骤和注意事项。
+## Java 应用开发说明
+Java代码调用Paddle-Lite执行预测库仅需以下五步：
+(1) 设置config信息
+```java
+MobileConfig config = new MobileConfig();
+config.setModelDir(modelPath);
+config.setPowerMode(PowerMode.LITE_POWER_HIGH);
+config.setThreads(1);
+```
+(2) 创建predictor
+```java
+PaddlePredictor predictor = PaddlePredictor.createPaddlePredictor(config);
+```
+(3) 设置模型输入 (下面以全一输入为例)
+```java
+float[] inputBuffer = new float[10000];
+for (int i = 0; i < 10000; ++i) {
+    inputBuffer[i] = i;
+}
+Tensor input = predictor.getInput(0);
+input.resize({100, 100});
+input.setData(inputBuffer);
+```
+(4) 执行预测
+```java
+predictor.run();
+```
+(5) 获得预测结果
+```java
+Tensor output = predictor.getOutput(0);
+```
+详细的Java API说明文档位于[Java API](../api_reference/java_api_doc)。更多Java应用预测开发可以参考位于位于[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)的工程示例代码。
--- a/docs/quick_start/python_demo.md
+++ b/docs/quick_start/python_demo.md
 # Python 完整示例
-本章节展示的所有Python 示例代码位于 [demo/python](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/python) 。Python预测仅支持服务器端预测，目前支持 Windows / Mac / Linux (x86 | ARM)。
+Python仅支持服务器端预测，目前支持 Windows / Mac / Linux (x86 | ARM)。
-## 1. 环境准备
+本章节包含2部分内容：(1) [Python 示例程序](python_demo.html#id1)；(2) [Python 应用开发说明](python_demo.html#id6)。
+## Python 示例程序
+本章节展示的所有Python 示例代码位于 [demo/python](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/python) 。
+### 1. 环境准备
 要编译和运行Android Python 示例程序，你需要准备一台可以编译运行PaddleLite的电脑。
-## 2. 安装python预测库
+### 2. 安装python预测库
 ```shell
 python -m pip install paddlelite
 ```
-**注意：** PyPI源目前仅提供Windows / Mac / Linux (x86) 三个平台pip安装包，如果您需要使用AMRLinux平台的Python预测功能，请参考[编译Linux预测库](../user_guides/Compile/Linux)。
+**注意：** PyPI源目前仅提供Windows / Mac / Linux (x86) 三个平台pip安装包，如果您需要使用AMRLinux平台的Python预测功能，请参考[源码编译(ARMLinux)](../source_compile/compile_linux)。
-## 3. 准备预测部署模型
+### 3. 准备预测部署模型
 (1) 模型下载：下载[mobilenet_v1](http://paddle-inference-dist.bj.bcebos.com/mobilenet_v1.tar.gz)模型后解压，得到Paddle非combined形式的模型，位于文件夹 `mobilenet_v1` 下。可通过模型可视化工具[Netron](https://lutzroeder.github.io/netron/)打开文件夹下的`__model__`文件，查看模型结构。
@@ -58,7 +64,7 @@ tar zxf mobilenet_v1.tar.gz
 以上命令执行成功之后将在同级目录生成名为`mobilenet_v1_opt.nb`的优化后模型文件。
-## 4. 下载和运行预测示例程序
+### 4. 下载和运行预测示例程序
 从[demo/python](https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/python)下载预测示例文件`mobilenetv1_light_api.py`和`mobilenetv1_full_api.py`，并运行Python预测程序。
@@ -73,3 +79,50 @@ python mobilenetv1_full_api.py --model_dir=./mobilenet_v1
 [1L, 1000L]
 [0.00019130950386170298, 0.0005920541007071733, 0.00011230241216253489, 6.27333574811928e-05, 0.0001275067188544199, 0.0013214796781539917, 3.138116153422743e-05, 6.52207963867113e-05, 4.780858944286592e-05, 0.0002588215284049511]
 ```
+## Python 应用开发说明
+Python代码调用Paddle-Lite执行预测库仅需以下六步：
+(1) 设置config信息
+```python
+from paddlelite.lite import *
+config = MobileConfig()
+config.set_model_from_file(/YOU_MODEL_PATH/mobilenet_v1_opt.nb)
+```
+(2) 创建predictor
+```python
+predictor = create_paddle_predictor(config)
+```
+(3) 从图片读入数据
+```python
+image = Image.open('./example.jpg')
+resized_image = image.resize((224, 224), Image.BILINEAR)
+image_data = np.array(resized_image).flatten().tolist()
+```
+(4) 设置输入数据
+```python
+input_tensor = predictor.get_input(0)
+input_tensor.resize([1, 3, 224, 224])
+input_tensor.set_float_data(image_data)
+```
+(5) 执行预测
+```python
+predictor.run()
+```
+(6) 得到输出数据
+```python
+output_tensor = predictor.get_output(0)
+print(output_tensor.shape())
+print(output_tensor.float_data()[:10])
+```
+详细的Python API说明文档位于[Python API](../api_reference/python_api_doc)。更多Python应用预测开发可以参考位于位于[Paddle-Lite-Demo](https://github.com/PaddlePaddle/Paddle-Lite-Demo)的工程示例代码。
--- a/docs/quick_start/release_lib.md
+++ b/docs/quick_start/release_lib.md
-# Lite预编译库下载
+# Lite 预编译库下载
 ## 编译版本介绍
@@ -7,7 +7,7 @@
 - arm_os=`android\ios\armlinux`    安装平台，支持的arm端移动平台包括 `ios`、`armlinux`和`android`
 - toolchain=`gcc/clang`                                 源码编译时的编译器，默认为`gcc`编译器
 - android_stl=`c++_static/c++_shared`     Lite预测库链接STL库的方式，支持静态或动态链接
- with_extra=`ON/OFF`                                     是否编译全量OP，OFF时只编译CV相关基础OP，[参数详情](./Compile/library)
+- with_extra=`ON/OFF`                                     是否编译全量OP，OFF时只编译CV相关基础OP，[参数详情](../source_compile/library)
 - with_cv=`ON/OFF`                                          是否编译编译Paddle-Lite CV 相关API
@@ -71,10 +71,14 @@ pip install paddlelite
 ## 对应源码编译方法
 - [opt源码编译](../user_guides/model_optimize_tool.html#opt)
- [Android源码编译](./source_compile.html#paddlelite)
+- [Android源码编译](../source_compile/compile_andriod)
- [iOS源码编译](./source_compile.html#paddlelite)
+- [iOS源码编译](../source_compile/compile_ios)
- [ArmLinux源码编译](./source_compile.html#paddlelite)
+- [ArmLinux源码编译](../source_compile/compile_linux)
 - [x86源码编译](../demo_guides/x86)
 - [opencl源码编译](../demo_guides/opencl)
 - [CUDA源码编译](../demo_guides/cuda)
 - [FPGA源码编译](../demo_guides/fpga)
+- [华为NPU源码编译](../demo_guides/huawei_kirin_npu)
+- [百度XPU源码编译](../demo_guides/baidu_xpu)
+- [Rockchip NPU源码编译](../demo_guides/rockchip_npu)
+- [MediaTek APU源码编译](../demo_guides/mediatek_apu)
--- a/docs/quick_start/tutorial.md
+++ b/docs/quick_start/tutorial.md
-# 使用Lite预测流程
+# Lite 预测流程
 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。
@@ -9,9 +9,9 @@ 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[opt](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[opt](../user_guides/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。
-opt的详细介绍，请您参考 [模型优化方法](model_optimize_tool) 。
+opt的详细介绍，请您参考 [模型优化方法](../user_guides/model_optimize_tool)。
 下载opt工具后执行以下代码：
@@ -49,4 +49,4 @@ $ ./opt \
 ## 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 [Debug工具](debug) 和 [Profile工具](debug)。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) 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 [Debug工具](../user_guides/debug) 和 [Profile工具](../user_guides/debug)。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](../user_guides/debug) 了解更多内容。
--- a/docs/source_compile/compile_andriod.md
+++ b/docs/source_compile/compile_andriod.md
+# 源码编译 (Android) 
+Paddle Lite提供了Android平台的官方Release预测库下载，我们优先推荐您直接下载[Paddle Lite预编译库](../quick_start/release_lib.html#android-toolchain-gcc)。
+**注意：** 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包括 v2.3)请参考[release/v2.3源码编译方法](v2.3_compile.md)。
+如果您还没有配置好Andriod交叉编译环境，请先根据[编译环境准备](compile_env)中的内容，根据您的开发环境安装编译Android预测库所需的编译环境。运行编译脚本之前，请先检查环变量`NDK_ROOT`指向正确的Andriod NDK安装路径，之后可以下载并编译 Paddle-Lite源码。
+```shell
+# 1. 下载Paddle-Lite源码 并切换到release分支
+git clone https://github.com/PaddlePaddle/Paddle-Lite.git
+cd Paddle-Lite && git checkout release/v2.6
+# (可选) 删除此目录，编译脚本会自动从国内CDN下载第三方库文件
+# rm -rf third-party
+# 2. 编译Paddle-Lite Android预测库 (armv8, gcc编译, 静态链接ndk stl)
+./lite/tools/build_android.sh
+```
+**提示：** 编译过程中，如出现源码编译耗时过长，通常是第三方库下载过慢或失败导致。请在git clone完Paddle-Lite仓库代码后，手动删除本地仓库根目录下的third-party目录。编译脚本会自动下载存储于国内 CDN 的第三方依赖的压缩包，节省从git repo同步第三方库代码的时间。
+### 编译结果
+位于`Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8`:
+```shell
+inference_lite_lib.android.armv8/
+├── cxx                                               C++ 预测库和头文件
+│   ├── include                                       C++ 头文件
+│   │   ├── paddle_api.h
+│   │   ├── paddle_image_preprocess.h
+│   │   ├── paddle_lite_factory_helper.h
+│   │   ├── paddle_place.h
+│   │   ├── paddle_use_kernels.h
+│   │   ├── paddle_use_ops.h
+│   │   └── paddle_use_passes.h
+│   └── lib                                           C++ 预测库
+│       ├── libpaddle_api_light_bundled.a             C++ 静态库
+│       └── libpaddle_light_api_shared.so             C++ 动态库
+│
+├── java                                              Java 预测库
+│   ├── jar
+│   │   └── PaddlePredictor.jar                       Java JAR 包
+│   ├── so
+│   │   └── libpaddle_lite_jni.so                     Java JNI 动态链接库
+│   └── src
+│
+└── demo                                              C++ 和 Java 示例代码
+    ├── cxx                                           C++ 预测库demo
+    └── java                                          Java 预测库demo
+```
+### 编译命令
+- 默认编译方法: (armv8, gcc, c++_static)                                           
+```                                        shell
+./lite/tools/build_android.sh
+```
+- 打印 help 信息：
+```shell
+./lite/tools/build_android.sh help
+```
+- 其他可选编译命令：
+```shell
+--arch: (armv8|armv7)        arm版本，默认为armv8
+--toolchain: (gcc|clang)     编译器类型，默认为gcc
+--android_stl: (c++_static|c++_shared)   NDK stl库链接方法，默认为静态链接c++_static
+--with_java: (OFF|ON)        是否编译Java预测库, 默认为 ON
+--with_cv: (OFF|ON)          是否编译CV相关预处理库, 默认为 OFF
+--with_log: (OFF|ON)         是否输出日志信息, 默认为 ON
+--with_exception: (OFF|ON)   是否在错误发生时抛出异常，默认为 OFF   
+--with_extra: (OFF|ON)       是否编译OCR/NLP模型相关kernel&OP，默认为OFF，只编译CV模型相关kernel&OP
+```
+- 裁剪预测库方法（只编译模型中的kernel&OP，降低预测库体积），详情请参考:  [裁剪预测库](library_tailoring)
+```shell
+./lite/tools/build_android.sh --with_strip=ON --opt_model_dir=%YourOptimizedModelDir%
+# 编译选项说明
+--with_strip: (OFF|ON)   是否根据输入模型裁剪预测库，默认为OFF
+--opt_model_dir          输入模型的绝对路径，需要为opt转化之后的模型
+```
+- 编译 Android npu 预测库方法，详情请参考：[PaddleLite使用华为NPU（Kirin SoC）预测部署](../demo_guides/huawei_kirin_npu)
+```shell
+./lite/tools/build_android.sh --with_huawei_kirin_npu=ON \
+                              --huawei_kirin_npu_sdk_root=%YourNpuSdkPath%
+# 编译选项说明
+--with_huawei_kirin_npu: (OFF|ON)   是否编译编译huawei_kirin_npu 的预测库，默认为OFF
+--huawei_kirin_npu_sdk_root         Huawei HiAi DDK文件的绝对路径，可从以下网址下载 
+                                    https://developer.huawei.com/consumer/cn/hiai/
+```
+- 编译Android opencl 预测库方法，详情请参考：[PaddleLite使用OpenCL预测部署](../demo_guides/opencl)
+```shell
+./lite/tools/build_android.sh --with_opencl=ON
+# 编译选项说明
+--with_opencl: (OFF|ON);  是否编译opencl预测库, 默认为 OFF
+```
--- a/docs/user_guides/source_compile.md
+++ b/docs/user_guides/source_compile.md
-# 源码编译方法
+# 源码编译环境准备
-PaddleLite已经提供官方Release预测库下载，请参考[文档](release_lib)。
+Paddle Lite提供了Android/iOS/X86平台的官方Release预测库下载，如果您使用的是这三个平台，我们优先推荐您直接下载[Paddle Lite预编译库](../quick_start/release_lib)。
-PaddleLite 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：
+您也可以根据目标平台选择对应的源码编译方法，Paddle Lite提供了源码编译脚本，位于`lite/tools/`文件夹下，只需要“准备环境”和“调用编译脚本”两个步骤即可一键编译得到目标平台的Paddle Lite预测库。
-1. 环境准备（选择其一）：Docker交叉编译环境、Linux交叉编译环境
-2. 编译：调用`build.sh`脚本一键编译
-## 一、环境准备
 目前支持四种编译的环境：
-1. Docker 容器环境，
+1. [Docker开发环境](compile_env.html#docker)
-2. Linux（推荐 Ubuntu 16.04）环境，
+2. [Linux开发环境](compile_env.html#linux)
-3. Mac OS 环境，
+3. [Mac OS开发环境](compile_env.html#mac-os)
-4. [Windows 环境](../demo_guides/x86.html#windows)
+4. [Windows开发环境](compile_env.html#windows)
-### 1、 Docker开发环境
-[Docker](https://www.docker.com/) 是一个开源的应用容器引擎, 使用沙箱机制创建独立容器，方便运行不同程序。Docker初学者可以参考[Docker使用方法](https://thenewstack.io/docker-station-part-one-essential-docker-concepts-tools-terminology/)正确安装Docker。
+## 1. Docker开发环境
-#### 准备Docker镜像
+[Docker](https://www.docker.com/) 是一个开源的应用容器引擎, 使用沙箱机制创建独立容器，方便运行不同程序。Lite的Docker镜像基于Ubuntu 16.04，镜像中包含了开发Andriod/Linux等平台要求的软件依赖与工具。
-有两种方式准备Docker镜像，推荐从Dockerhub直接拉取Docker镜像
+(1) 准备Docker镜像：有两种方式准备Docker镜像，推荐从Dockerhub直接拉取Docker镜像
 ```shell
 # 方式一：从Dockerhub直接拉取Docker镜像
@@ -40,9 +33,7 @@ docker build -t paddlepaddle/paddle-lite .
 # 镜像编译成功后，可用`docker images`命令，看到`paddlepaddle/paddle-lite`镜像。
 ```
-#### 进入Docker容器
+(2) 启动Docker容器：在拉取Paddle-Lite仓库代码的上层目录，执行如下代码，进入Docker容器：
-在拉取Paddle-Lite仓库代码的上层目录，执行如下代码，进入Docker容器：
 ```shell
 docker run -it \
@@ -52,9 +43,9 @@ docker run -it \
  paddlepaddle/paddle-lite /bin/bash
 ```
-该命令的含义：将容器命名为`paddlelite_docker`即`<container-name>`，将当前目录下的`Paddle-Lite`文件夹挂载到容器中的`/Paddle-Lite`这个根目录下，并进入容器中。至此，完成Docker环境的准备。
+该命令的含义：将容器命名为`paddlelite_docker`即`<container-name>`，将当前目录下的`Paddle-Lite`文件夹挂载到容器中的`/Paddle-Lite`这个根目录下，并进入容器中。
-#### Docker常用命令
+Docker初学者可以参考[Docker使用方法](https://thenewstack.io/docker-station-part-one-essential-docker-concepts-tools-terminology/)正确安装Docker。Docker常用命令参考如下：
 ```shell
 # 退出容器但不停止/关闭容器：键盘同时按住三个键：CTRL + q + p
@@ -75,19 +66,16 @@ docker restart <container-name>
 docker rm <container-name>
 ```
-### 2、Linux 开发环境
+## 2. Linux开发环境
-#### Android
-##### 交叉编译环境要求
+### 准备Android交叉编译环境
+交叉编译环境要求：
 - gcc、g++、git、make、wget、python、adb
 - Java environment
 - cmake（建议使用3.10或以上版本）
 - Android NDK (建议ndk-r17c)
-##### 具体步骤
 安装软件部分以 Ubuntu 为例，其他 Linux 发行版类似。
 ```shell
@@ -118,19 +106,16 @@ echo "export NDK_ROOT=/opt/android-ndk-r17c" >> ~/.bashrc
 source ~/.bashrc
 ```
-#### ARM Linux
+### 准备ARM Linux编译环境
 适用于基于 ARMv8 和 ARMv7 架构 CPU 的各种开发板，例如 RK3399，树莓派等，目前支持交叉编译和本地编译两种方式，对于交叉编译方式，在完成目标程序编译后，可通过 scp 方式将程序拷贝到开发板运行。
-##### 交叉编译
+#### 交叉编译ARM Linux
-###### 编译环境要求
+编译环境要求
 - gcc、g++、git、make、wget、python、scp
 - cmake（建议使用3.10或以上版本）
-###### 具体步骤
 安装软件部分以 Ubuntu 为例，其他 Linux 发行版类似。
 ```shell
@@ -153,15 +138,12 @@ wget -c https://mms-res.cdn.bcebos.com/cmake-3.10.3-Linux-x86_64.tar.gz && \
    ln -s /opt/cmake-3.10/bin/ccmake /usr/bin/ccmake
 ```
-##### 本地编译（直接在RK3399或树莓派上编译）
+#### 本地编译ARM Linux（直接在RK3399或树莓派上编译）
-###### 编译环境要求
+编译环境要求
 - gcc、g++、git、make、wget、python、pip、python-dev、patchelf
 - cmake（建议使用3.10或以上版本）
-###### 具体步骤
 安装软件部分以 Ubuntu 为例，其他 Linux 发行版本类似。
 ```shell
@@ -183,17 +165,14 @@ sudo make install
 至此，完成 Linux 交叉编译环境的准备。
-### 3、Mac OS 开发环境
+## 3. Mac OS开发环境
-#### 交叉编译环境要求
+交叉编译环境要求
 - gcc、git、make、curl、unzip、java
 - cmake（Android编译请使用3.10版本，IOS编译请使用3.15版本）
 - 编译Android: Android NDK (建议ndk-r17c)
 - 编译IOS: XCode(Version 10.1)
-#### 具体步骤
 ```bash
 # 1. Install basic software
 brew install  curl gcc git make unzip wget
@@ -231,54 +210,20 @@ brew cask install java
 # sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
 ```
-至此，完成 Mac 交叉编译环境的准备。
+**注意**: Mac上编译Paddle-Lite的full_publish版本时，Paddle-Lite所在路径中不可以含有中文字符。
-**注意**: Mac上编译Paddle-Lite的full_publish版本时，Paddle-Lite所在路径中不可以含有中文字符
-## 二、编译PaddleLite
-`develop分支`和`release/v2.6.0`之后版本的源码编译请参考以下说明，release/v2.3之前版本（包括v2.3）源码编译请参考[release/v2.3源码编译方法](./Compile/v2.3_compile)。
-### Android 预测库编译方法
-Paddle-Lite支持在 “Docker 环境、Linux 环境、Mac 环境” 源码编译Android 预测库
-**编译方法参见**：[Android预测库编译方法](./Compile/Android)
+## 4. Windows开发环境
-### iOS 预测库编译方法
+编译环境需求，目前Windows暂不支持GPU编译，仅支持[X86平台](../demo_guides/x86.html#windows)预测库编译。
-Paddle-Lite只支持在 “Mac 环境” 源码编译iOS 预测库
-**编译方法参见**：[iOS预测库编译方法](./Compile/iOS)
-### Linux 预测库编译方法
-**编译方法参见**：[Linux预测库编译方法](./Compile/Linux)
-### 加速第三方依赖库的下载
-如出现源码编译耗时过长，一般是第三方库下载过慢或失败导致：
- 移动端相关编译所需的第三方库均位于 `<PaddleLite>/third-party` 目录下，默认编译过程中，会利用`git submodule update --init --recursive`链上相关的第三方依赖的仓库。
- 为加速`full_publish`、`test`编译模式中对`protobuf`等第三方依赖的下载，`build.sh` 和 `ci_build.sh`支持了从国内 CDN 下载第三方依赖的压缩包。
-可使用本节方法加速第三方库下载过程，以加速编译：
- **加速方法**：`git clone`完`Paddle-Lite`仓库代码后，手动删除本地仓库根目录下的`third-party`目录：
-```shell
-git clone https://github.com/PaddlePaddle/Paddle-Lite.git
-git checkout <release-version-tag>
-cd Paddle-Lite
-rm -rf third-party
-```
-之后再根据本文档，进行后续编译时，便会忽略第三方依赖对应的`submodule`，改为直接下载第三方压缩包。
+- Windows 10 专业版
+- *Python 版本 2.7/3.5.1+ (64 bit)*
+- *pip 或 pip3 版本 9.0.1+ (64 bit)*
+- *Visual Studio 2015 Update3*
-### 源码编译选项说明
+环境准备步骤为：
-源码编译中涉及的编译选项，请参考[编译选项说明](./Compile/compile_options.md)
+1. cmake 需要3.15版本, 可在官网[下载](https://cmake.org/download/)，并添加到环境变量中。
+2. python 需要2.7 及以上版本, 可在官网[下载](https://www.python.org/download/releases/2.7/)。
+3. git可以在官网[下载](https://gitforwindows.org/)，并添加到环境变量中
--- a/docs/user_guides/Compile/iOS.md
+++ b/docs/user_guides/Compile/iOS.md
-# 编译iOS预测库
+# 源码编译 (iOS)
-**注意：本编译方法只适用于release/v2.6.0之后版本（包括 v2.6.0)**
+Paddle Lite提供了iOS平台的官方Release预测库下载，我们优先推荐您直接下载[Paddle Lite预编译库](../quick_start/release_lib.html#ios)。
-安装了iOS的编译环境，可以下载并编译 Paddle-Lite源码
+**注意：** 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包括 v2.3)请参考[release/v2.3源码编译方法](v2.3_compile.md)。
+如果您还没有配置好iOS编译环境，请先根据[编译环境准备](compile_env.html#mac-os)中的内容，根据您的开发环境安装编译iOS预测库所需的编译环境。
 ```shell
 # 1. 下载Paddle-Lite源码 并切换到release分支
 git clone https://github.com/PaddlePaddle/Paddle-Lite.git
-cd Paddle-Lite && git checkout release/v2.6.0
+cd Paddle-Lite && git checkout release/v2.6
+# (可选) 删除此目录，编译脚本会自动从国内CDN下载第三方库文件
+# rm -rf third-party
-# 2. 编译Paddle-Lite Android预测库 (armv8, gcc编译, 静态链接ndk stl)
+# 2. 编译Paddle-Lite iOS预测库 (armv8)
 ./lite/tools/build_ios.sh
 ```
+**提示：** 编译过程中，如出现源码编译耗时过长，通常是第三方库下载过慢或失败导致。请在git clone完Paddle-Lite仓库代码后，手动删除本地仓库根目录下的third-party目录。编译脚本会自动下载存储于国内 CDN 的第三方依赖的压缩包，节省从git repo同步第三方库代码的时间。
 ### 编译结果
 位于`Paddle-Lite/build.ios.ios64.armv8/inference_lite_lib.ios64.armv8`:
 ```shell
-inference_lite_lib.ios64.armv8                iOS预测库和头文件
+inference_lite_lib.ios64.armv8
-|-- include                                        C++头文件
+├── include                                                C++头文件
-|   |-- paddle_api.h                         
+│   ├── paddle_api.h                                
-|   |-- paddle_image_preprocess.h
+│   ├── paddle_image_preprocess.h
-|   |-- paddle_lite_factory_helper.h
+│   ├── paddle_lite_factory_helper.h
-|   |-- paddle_place.h
+│   ├── paddle_place.h
-|   |-- paddle_use_kernels.h
+│   ├── paddle_use_kernels.h
-|   |-- paddle_use_ops.h
+│   ├── paddle_use_ops.h
-|   `-- paddle_use_passes.h
+│   └── paddle_use_passes.h
-`-- lib                                            C++预测库（静态库）
+└── lib                                                    C++预测库（静态库）
-    `-- libpaddle_api_light_bundled.a
+    └── libpaddle_api_light_bundled.a
 ```
 ### 编译命令
 - 默认编译方法: (armv8)                                           
-```                                        shell
+```shell
 ./lite/tools/build_ios.sh
 ```
@@ -55,16 +58,16 @@ inference_lite_lib.ios64.armv8                iOS预测库和头文件
 --arch: (armv8|armv7)        arm版本，默认为armv8
 --with_cv: (OFF|ON)          是否编译CV相关预处理库, 默认为 OFF
 --with_log: (OFF|ON)         是否输出日志信息, 默认为 ON
--with_extra: (OFF|ON)       是否编译OCR或NLP相关模型的kernel&OP，默认为OFF，只编译CV模型相关kernel&OP
+--with_exception: (OFF|ON)   是否在错误发生时抛出异常，默认为 OFF
+--with_extra: (OFF|ON)       是否编译OCR/NLP模型相关kernel&OP，默认为OFF，只编译CV模型相关kernel&OP
 ```
- 裁剪预测库方法（只编译模型中的kernel&OP，降低预测库体积）:
+- 裁剪预测库方法（只编译模型中的kernel&OP，降低预测库体积），详情请参考:  [裁剪预测库](library_tailoring)
 ```shell
-./lite/tools/build_ios.sh --with_strip=ON --opt_model_dir=YourOptimizedModelDir
+./lite/tools/build_ios.sh --with_strip=ON --opt_model_dir=%YourOptimizedModelDir%
-```
-```shell
+# 编译选项说明
 --with_strip: (OFF|ON);   是否根据输入模型裁剪预测库，默认为OFF
 --opt_model_dir:          输入模型的绝对路径，需要为opt转化之后的模型
 ```
-详情参考:  [裁剪预测库](https://paddle-lite.readthedocs.io/zh/latest/user_guides/library_tailoring.html)
--- a/docs/user_guides/Compile/Linux.md
+++ b/docs/user_guides/Compile/Linux.md
-# 编译Linux预测库
+# 源码编译 (ARMLinux)
-**注意：本编译方法只适用于release/v2.6.0之后版本（包括 v2.6.0)**
+**注意：** 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包括 v2.3)请参考[release/v2.3源码编译方法](v2.3_compile.md)。
-**注意：本编译方法暂时只适用于ARM的设备**
-安装了ArmLinux的编译环境，可以下载并编译 Paddle-Lite源码
+**注意：** 本编译方法暂时只适用于ARM的设备。
+如果您还没有配置好ArmLinux编译环境，请先根据[编译环境准备](compile_env)中的内容，根据您的开发环境安装编译ArmLinux预测库所需的编译环境。
 ```shell
 # 1. 下载Paddle-Lite源码 并切换到release分支
 git clone https://github.com/PaddlePaddle/Paddle-Lite.git
 cd Paddle-Lite && git checkout release/v2.6
+# (可选) 删除此目录，编译脚本会自动从国内CDN下载第三方库文件
+# rm -rf third-party
 # 2. 编译Paddle-Lite Linux(arm)预测库 (armv8, gcc编译)
 ./lite/tools/build_linux.sh
 ```
+**提示：** 编译过程中，如出现源码编译耗时过长，通常是第三方库下载过慢或失败导致。请在git clone完Paddle-Lite仓库代码后，手动删除本地仓库根目录下的third-party目录。编译脚本会自动下载存储于国内 CDN 的第三方依赖的压缩包，节省从git repo同步第三方库代码的时间。
 ### 编译结果
 位于 `Paddle-Lite/build.lite.linux.armv8.gcc/inference_lite_lib.armlinux.armv8` :
 ```shell
-inference_lite_lib.armlinux.armv8/
-|-- cxx                                     C++ 预测库和头文件
+inference_lite_lib.armlinux.armv8
-|   |-- include                             C++ 头文件
+├── cxx                                           C++ 预测库和头文件
-|   |   |-- paddle_api.h
+│   ├── include                                   C++ 头文件
-|   |   |-- paddle_image_preprocess.h
+│   │   ├── paddle_api.h
-|   |   |-- paddle_lite_factory_helper.h
+│   │   ├── paddle_image_preprocess.h
-|   |   |-- paddle_place.h
+│   │   ├── paddle_lite_factory_helper.h
-|   |   |-- paddle_use_kernels.h
+│   │   ├── paddle_place.h
-|   |   |-- paddle_use_ops.h
+│   │   ├── paddle_use_kernels.h
-|   |   `-- paddle_use_passes.h
+│   │   ├── paddle_use_ops.h
-|   `-- lib                                 C++预测库
+│   │   └── paddle_use_passes.h
-|       |-- libpaddle_api_light_bundled.a   C++静态库
+│   └── lib                                       C++ 预测库
-|       `-- libpaddle_light_api_shared.so   C++动态库
+│       ├── libpaddle_api_light_bundled.a         C++ 静态库
-|
+│       └── libpaddle_light_api_shared.so         C++ 动态库
-|-- demo                          
+├── demo
-|   `-- python                              python预测库demo
+│   └── python                                    Python 预测库demo
-|
+│
-|-- python                                  Python预测库(需要打开with_python选项)
+└── python                                        Python 预测库(需要打开with_python选项)
-|   |-- install
+    ├── install
-|   |   `-- dist
+    │   └── dist
-|   |       `-- paddlelite-*.whl            python whl包 
+    │       └── paddlelite-*.whl                  Python whl包
-|   |-- lib
+    └── lib
-|       `-- lite.so                         python预测库   
+        └── lite.so                               Python 预测库
 ```
@@ -65,37 +71,36 @@ inference_lite_lib.armlinux.armv8/
 ```shell
 --arch: (armv8|armv7|armv7hf)   arm版本，默认为armv8
 --toolchain: (gcc|clang)        编译器类型，默认为gcc
--with_extra: (OFF|ON)          是否编译OCR或NLP相关模型的kernel&OP，默认为OFF，只编译CV模型相关kernel&OP
+--with_extra: (OFF|ON)          是否编译OCR/NLP模型相关kernel&OP，默认为OFF，只编译CV模型相关kernel&OP
 --with_python: (OFF|ON)         是否编译python预测库, 默认为 OFF
+--python_version: (2.7|3.5|3.7) 编译whl的Python版本，默认为 None
 --with_cv: (OFF|ON)             是否编译CV相关预处理库, 默认为 OFF
 --with_log: (OFF|ON)            是否输出日志信息, 默认为 ON
+--with_exception: (OFF|ON)      是否在错误发生时抛出异常，默认为 OFF   
 ```
 **注意：with_python现在仅支持armlinux的本地编译，尚不支持docker环境和ubuntu环境**
- 裁剪预测库方法（只编译模型中的kernel&OP，降低预测库体积）:
+- 裁剪预测库方法（只编译模型中的kernel&OP，降低预测库体积），详情请参考:  [裁剪预测库](library_tailoring)
 ```shell
 ./lite/tools/build_linux.sh --with_strip=ON --opt_model_dir=YourOptimizedModelDir
-```
-```shell
+# 编译选项说明
 --with_strip: (OFF|ON);   是否根据输入模型裁剪预测库，默认为OFF
 --opt_model_dir:          输入模型的绝对路径，需要为opt转化之后的模型
 ```
-详情请参考:  [裁剪预测库](https://paddle-lite.readthedocs.io/zh/latest/user_guides/library_tailoring.html)
+- 编译 Rockchip NPU 预测库方法，详情请参考：[PaddleLite使用RK NPU预测部署](../demo_guides/rockchip_npu)
- 使用 rockchip npu 方法：
 ```shell
--with_rockchip_npu: (OFF|ON);   是否编译编译 huawei_kirin_npu 的预测库，默认为OFF
+--with_rockchip_npu: (OFF|ON)    是否编译编译 huawei_kirin_npu 的预测库，默认为OFF
--rockchip_npu_sdk_root:     `rockchip_npu DDK`文件的绝对路径
+--rockchip_npu_sdk_root          Rockchip NP DDK文件的绝对路径
 ```
-详情请参考：[PaddleLite使用RK NPU预测部署](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/rockchip_npu.html)
- 使用 baidu xpu 方法：
+- 编译 Baidu XPU 预测库方法, 详情请参考：[PaddleLite使用百度XPU预测部署](../demo_guides/baidu_xpu)
 ```shell
--with_baidu_xpu: (OFF|ON);   是否编译编译 baidu_xpu 的预测库，默认为OFF
+--with_baidu_xpu: (OFF|ON)    是否编译编译 baidu_xpu 的预测库，默认为OFF
--baidu_xpu_sdk_root:     `baidu_xpu DDK`文件的绝对路径
+--baidu_xpu_sdk_root          Baidu XPU DDK文件的绝对路径
 ```
-详情请参考：[PaddleLite使用百度XPU预测部署](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/baidu_xpu.html)
--- a/docs/user_guides/Compile/compile_options.md
+++ b/docs/user_guides/Compile/compile_options.md
 # 编译选项说明
 | 编译选项 |  说明  | 默认值 |
 | :-- |  :-- |--: |
 | LITE_WITH_LOG |  是否输出日志信息 | ON |
-| LITE_WITH_EXCEPTION | 是否在错误发生时，抛出异常 | OFF |
+| LITE_WITH_EXCEPTION | 是否在错误发生时抛出异常 | OFF |
-| LITE_WITH_TRAIN |  打开[模型训练功能](../../demo_guides/cpp_train_demo.html)，支持移动端模型训练 | OFF |
+| LITE_WITH_TRAIN |  打开[模型训练功能](../demo_guides/cpp_train_demo.html)，支持移动端模型训练 | OFF |
 | LITE_BUILD_EXTRA |  编译[全量预测库](library.html)，包含更多算子和模型支持 | OFF |
-| LITE_BUILD_TAILOR | 编译时[根据模型裁剪预测库](../library_tailoring.html)，缩小预测库大小 | OFF |
+| LITE_BUILD_TAILOR | 编译时[根据模型裁剪预测库](library_tailoring.html)，缩小预测库大小 | OFF |
 | WITH_SYSTEM_BLAS |  编译时强制使用reference BLAS |  OFF |
 ### 轻量级编译选项
@@ -24,7 +25,7 @@
 | 编译选项 |  说明  | 默认值 |
 | :-- |  :-- | --: |
-| LITE_WITH_PROFILE |  编译[Profiler工具](../debug.html)，用于CPU上kernel耗时统计 | OFF |
+| LITE_WITH_PROFILE |  编译[Profiler工具](../user_guides/debug.html)，用于CPU上kernel耗时统计 | OFF |
 | LITE_WITH_PRECISION_PROFILE |  开启Profiler工具的模型精度分析功能 | OFF |
 | WITH_TESTING |  编译Lite单测模块 | OFF |
@@ -33,25 +34,25 @@
 | 编译选项 |  说明  | 适用平台 | 默认值 |
 | :-- |  :-- | --: | --: |
 | LITE_WITH_ARM |  编译支持Andriod或ARMLinux平台预测库 | Andriod / ARMLinux | OFF |
-| LITE_WITH_JAVA |  编译支持[Java API](../../api_reference/java_api_doc.html)的预测库 | Andriod / ARMLinux | OFF |
+| LITE_WITH_JAVA |  编译支持[Java API](../api_reference/java_api_doc.html)的预测库 | Andriod / ARMLinux | OFF |
 | LITE_WITH_ARM_CLANG | 使用clang编译ARM平台预测库 | Andriod / ARMLinux |OFF |
 | WITH_ARM_DOTPROD |  编译ARM点积指令优化的预测库 | Andriod / ARMLinux |ON |
-| LITE_WITH_CV |  编译[CV图像加速库](../../api_reference/cv.html) | Andirod / ARMLinux |OFF |
+| LITE_WITH_CV |  编译[CV图像加速库](../api_reference/cv.html) | Andirod / ARMLinux |OFF |
 | LITE_WITH_OPENMP |  编译时打开OpenMP | ARMLinux / X86 | ON |
-| LITE_WITH_X86 |  编译[X86平台](../../demo_guides/x86.html)预测库 | X86 | ON |
+| LITE_WITH_X86 |  编译[X86平台](../demo_guides/x86.html)预测库 | X86 | ON |
 | WITH_AVX |  编译有AVX指令优化的预测库 | X86 |ON IF ${AVX_FOUND} |
 | WITH_MKL | 编译有Intel MKL支持的预测库 | X86 |ON IF ${AVX_FOUND} |
-| LITE_ON_MODEL_OPTIMIZE_TOOL |  编译[模型优化工具opt](../model_optimize_tool.html) | X86 |OFF|
+| LITE_ON_MODEL_OPTIMIZE_TOOL |  编译[模型优化工具opt](../user_guides/model_optimize_tool.html) | X86 |OFF|
-| LITE_WITH_CUDA |  编译[CUDA平台](../../demo_guides/cuda.html)预测库 | CUDA | OFF |
+| LITE_WITH_CUDA |  编译[CUDA平台](../demo_guides/cuda.html)预测库 | CUDA | OFF |
 | WITH_DSO |  编译动态CUDA库 | CUDA | ON |
 | LITE_WITH_STATIC_CUDA |   编译静态CUDA库 | CUDA |OFF |
 | LITE_WITH_NVTX | 是否打开NVIDIA Tools Extension (NVTX) | CUDA |OFF |
 | CUDA_WITH_FP16 |  编译CUDA FP16支持| CUDA |OFF |
-| LITE_WITH_PYTHON |  编译支持[Python API](../../api_reference/python_api_doc.html)的预测库 | X86 / CUDA |OFF |
+| LITE_WITH_PYTHON |  编译支持[Python API](../api_reference/python_api_doc.html)的预测库 | X86 / CUDA |OFF |
-| LITE_WITH_OPENCL |  编译[OpenCL平台](../../demo_guides/opencl.html)预测库 | OpenCL | OFF |
+| LITE_WITH_OPENCL |  编译[OpenCL平台](../demo_guides/opencl.html)预测库 | OpenCL | OFF |
-| LITE_WITH_FPGA |  编译[FPGA平台](../../demo_guides/fpga.html)预测库 | FPGA | OFF |
+| LITE_WITH_FPGA |  编译[FPGA平台](../demo_guides/fpga.html)预测库 | FPGA | OFF |
-| LITE_WITH_NPU |  编译[华为NPU(Kirin SoC)平台](../../demo_guides/huawei_kirin_npu.html)预测库 | NPU | OFF |
+| LITE_WITH_NPU |  编译[华为NPU(Kirin SoC)平台](../demo_guides/huawei_kirin_npu.html)预测库 | NPU | OFF |
-| LITE_WITH_RKNPU |  编译[RK NPU平台](../../demo_guides/rockchip_npu.html)预测库 | RKNPU | OFF |
+| LITE_WITH_RKNPU |  编译[RK NPU平台](../demo_guides/rockchip_npu.html)预测库 | RKNPU | OFF |
-| LITE_WITH_XPU |  编译[百度XPU平台](../../demo_guides/baidu_xpu.html)预测库 | XPU |OFF |
+| LITE_WITH_XPU |  编译[百度XPU平台](../demo_guides/baidu_xpu.html)预测库 | XPU |OFF |
 | LITE_WITH_XTCL | 通过XTCL方式支持百度XPU，默认Kernel方式 | XPU |OFF IF LITE_WITH_XPU |
-| LITE_WITH_APU | 编译[MTK APU平台](../../demo_guides/mediatek_apu.html)预测库 | APU |OFF |
+| LITE_WITH_APU | 编译[MTK APU平台](../demo_guides/mediatek_apu.html)预测库 | APU |OFF |
--- a/docs/user_guides/Compile/library.md
+++ b/docs/user_guides/Compile/library.md
@@ -5,12 +5,12 @@ Lite预测库分为**基础预测库**和**全量预测库(with_extra)**：基
 编译时由编译选项 `build_extra`(默认为OFF)控制，`--build_extra=OFF`时编译**基础预测库**，`--build_extra=ON`时编译**全量预测库**。
-## 基础预测库( [基础OP列表](../../introduction/support_operation_list.html#basic-operators) )
+## 基础预测库( [基础OP列表](../introduction/support_operation_list.html#basic-operators) )
 ### 支持功能
-（1）87个[基础OP](../../introduction/support_operation_list.html#basic-operators)       （2）9个基础模型       （3）3个in8量化模型
+（1）87个[基础OP](../introduction/support_operation_list.html#basic-operators)       （2）9个基础模型       （3）3个in8量化模型
 ### 支持的模型
@@ -39,12 +39,12 @@ mobilenet_v1   mobilenet_v2   resnet50
 ```
-## 全量预测库( [OP列表](../../introduction/support_operation_list.html#op) )
+## 全量预测库( [OP列表](../introduction/support_operation_list.html#op) )
 ### 支持功能
-   Paddle-Lite中的全量算子（ [基础OP](../../introduction/support_operation_list.html#basic-operators) + [Extra OP](../../introduction/support_operation_list.html#extra-operators-build-extra-on) ）
+   Paddle-Lite中的全量算子（ [基础OP](../introduction/support_operation_list.html#basic-operators) + [Extra OP](../introduction/support_operation_list.html#extra-operators-build-extra-on) ）
 ### 特点
   包含更多算子、支持更多模型，但体量更大。

--- a/docs/user_guides/library_tailoring.md
+++ b/docs/user_guides/library_tailoring.md
@@ -62,7 +62,7 @@ Paddle-Lite支持**根据模型裁剪预测库**功能。Paddle-Lite的一般编
 ### 3、运行裁剪后的预测库文件
-注意：基于某一模型裁剪出的预测库只能支持优化工具转化后的该模型，例如根据mobilenetV1裁剪出的 full_api预测库只能运行以protobuf格式转化出的模型mobilenetV1_opt_nb， 裁剪出的light_api预测库只能运行以naive_buffer格式转化出的模型mobilenetV1_opt_nb， 运行其他模型可能会出现`segementation fault:undifined op or kernel`。  模型转化方法参考：[使用opt转化模型](./model_optimize_tool))。
+注意：基于某一模型裁剪出的预测库只能支持优化工具转化后的该模型，例如根据mobilenetV1裁剪出的 full_api预测库只能运行以protobuf格式转化出的模型mobilenetV1_opt_nb， 裁剪出的light_api预测库只能运行以naive_buffer格式转化出的模型mobilenetV1_opt_nb， 运行其他模型可能会出现`segementation fault:undifined op or kernel`。  模型转化方法参考：[使用opt转化模型](../user_guides/model_optimize_tool))。
@@ -78,7 +78,7 @@ Paddle-Lite支持**根据模型裁剪预测库**功能。Paddle-Lite的一般编
 `./mobilenetv1_light_api --model_dir=./mobilenetV1_NB`
-注意：`mobilenetV1_NB`是用`mobilenetV1`模型转化的naive_buffer格式模型(不需要设置` --record_tailoring_info =true`，转化流程参考：[使用opt转化模型](./model_optimize_tool))。
+注意：`mobilenetV1_NB`是用`mobilenetV1`模型转化的naive_buffer格式模型(不需要设置` --record_tailoring_info =true`，转化流程参考：[使用opt转化模型](../user_guides/model_optimize_tool))。
@@ -151,7 +151,7 @@ int main(int argc, char** argv) {
 `./mobilenetv1_full_api --model_dir=./mobilenetV1_PB`
-注意：`mobilenetV1_PB`是用`mobilenetV1`模型转化的protobuf格式模型(不需要设置` --record_tailoring_info =true`，转化流程参考：[使用opt转化模型](./model_optimize_tool))。
+注意：`mobilenetV1_PB`是用`mobilenetV1`模型转化的protobuf格式模型(不需要设置` --record_tailoring_info =true`，转化流程参考：[使用opt转化模型](../user_guides/model_optimize_tool))。
 ## 按模型集合裁剪预测库

--- a/docs/user_guides/Compile/v2.3_compile.md
+++ b/docs/user_guides/Compile/v2.3_compile.md
 # release/v2.3 源码编译
-**说明：release/v2.3 之前版本（包括v2.3版本）的源码编译请参考本文档**
-**注意：OpenCL、华为NPU、FPGA、CUDA、X86预测库、CV模块的编译，请见进阶使用指南的对应章节。**
+**说明：** release/v2.3 之前版本（包括v2.3版本）的源码编译请参考本文档
+**注意：** OpenCL、华为NPU、FPGA、CUDA、X86预测库、CV模块的编译，请见进阶使用指南的对应章节。
+如果您还没有配置好相应的源码编译环境，请先根据[编译环境准备](compile_env)中的内容，根据您的开发环境安装源码编译所需的编译环境。
 ### 下载代码
@@ -30,12 +33,12 @@ git checkout <release-version-tag>
 | --arm_lang |arm_os=android时必选，选择编译器 | `gcc`、`clang`(`clang`当前暂不支持) |
 | --android_stl |arm_os=android时必选，选择静态链接STL或动态链接STL | `c++_static`、`c++_shared`|
 | --build_java | 可选，是否编译java预测库（默认为ON） | `ON`、`OFF` |
-| --build_extra | 可选，是否编译全量预测库（默认为OFF）。详情可参考[预测库说明](./library.html)。 | `ON`、`OFF` |
+| --build_extra | 可选，是否编译全量预测库（默认为OFF）。详情可参考[with_extra参数说明](./library.html)。 | `ON`、`OFF` |
 | target |必选，选择编译模式，`tiny_publish`为编译移动端部署库、`full_publish`为带依赖的移动端部署库、`test`为移动端单元测试、`ios`为编译ios端`tiny_publish` | `tiny_publish`、`full_publish`、`test`、 `ios` |
 ### 编译代码
-**<font color="orange" >注意</font>**<font color="orange" >：非开发者建议在编译前使用</font>[**“加速第三方依赖库的下载”**](#id22)<font color="orange" >的方法，加速工程中第三方依赖库的下载与编译。 </font>
+**提示：** 编译过程中，如出现源码编译耗时过长，通常是第三方库下载过慢或失败导致。请在git clone完Paddle-Lite仓库代码后，手动删除本地仓库根目录下的third-party目录。编译脚本会自动下载存储于国内 CDN 的第三方依赖的压缩包，节省从git repo同步第三方库代码的时间。
 #### 编译`tiny publish`动态库
@@ -49,25 +52,31 @@ git checkout <release-version-tag>
  --android_stl=c++_static \
  tiny_publish
 ```
-##### IOS
+##### iOS
+**注意：** mac环境编译iOS 时，cmake版本需要高于cmake 3.15；mac环境上编译Android时，cmake版本需要设置为cmake 3.10。
 ```shell
 ./lite/tools/build.sh \
  --arm_os=ios64 \
  --arm_abi=armv8 \
  --build_extra=OFF \
  ios
+# 编译选项说明
+--arm_os   可选ios或者ios64
+--arm_abi  可选armv7和armv8
+          （注意：当arm_os=ios时只能选择arm_abi=armv7，当arm_os=ios64时只能选择arm_abi=armv8）
 ```
-**注意：mac环境编译IOS 时，cmake版本需要高于cmake 3.15；mac环境上编译Android时，cmake版本需要设置为cmake 3.10。**
-ios tiny publish支持的编译选项：
+如果mac编译过程中报错："Invalid CMAKE_DEVELOPER_ROOT: does not exist", 运行：
-* `--arm_os`: 可选ios或者ios64
-* `--arm_abi`: 可选armv7和armv8（**注意**：当`arm_os=ios`时只能选择`arm_abi=armv7`，当`arm_os=ios64`时只能选择`arm_abi=armv8`）
-* 如果mac编译过程中报错："Invalid CMAKE_DEVELOPER_ROOT: does not exist", 运行：
 ```shell
 sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
 ```
 ##### ARMLinux
 ```shell
 ./lite/tools/build.sh \
  --build_extra=OFF \
@@ -75,8 +84,10 @@ sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
  --arm_abi=armv7hf \
  --arm_lang=gcc \
  tiny_publish
+# 编译选项说明
+--arm_abi     树莓派3b使用armv7hf，RK3399使用armv8
 ```
- `--arm_abi`: 树莓派3b使用armv7hf，RK3399使用armv8
 #### 编译`full publish`动态库
@@ -90,6 +101,7 @@ sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
  --android_stl=c++_static \
  full_publish
 ```
 ##### ARMLinux
 ```shell
 ./lite/tools/build.sh \
@@ -98,8 +110,10 @@ sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
  --arm_lang=gcc \
  --build_extra=OFF \
  full_publish
+# 编译选项说明
+--arm_abi     树莓派3b使用armv7hf，RK3399使用armv8
 ```
- `--arm_abi`: 树莓派3b使用armv7hf，RK3399使用armv8
 ### 编译结果说明
@@ -122,43 +136,45 @@ sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
 ![](https://user-images.githubusercontent.com/45189361/65375726-3bb99280-dccb-11e9-9903-8ce255371905.png)
+**具体内容**说明 (供参考)：
-**具体内容**说明：
+```shell
+inference_lite_lib.xxx.xxx
-1、 `bin`文件夹：可执行工具文件 `paddle_code_generator`、`test_model_bin`
+├── bin                                           可执行工具文件
+│   ├── paddle_code_generator
-2、 `cxx`文件夹：包含c++的库文件与相应的头文件
+│   └── test_model_bin
+├── cxx                                           C++ 预测库和头文件
- `include`  : 头文件
+│   ├── include                                   C++ 头文件
- `lib` : 库文件
+│   │   ├── paddle_api.h
-  - 打包的静态库文件：
+│   │   ├── paddle_image_preprocess.h
-    - `libpaddle_api_full_bundled.a`  ：包含 full_api 和 light_api 功能的静态库
+│   │   ├── paddle_lite_factory_helper.h
-    - `libpaddle_api_light_bundled.a` ：只包含 light_api 功能的静态库
+│   │   ├── paddle_place.h
-  - 打包的动态态库文件：
+│   │   ├── paddle_use_kernels.h
-    - `libpaddle_full_api_shared.so` ：包含 full_api 和 light_api 功能的动态库
+│   │   ├── paddle_use_ops.h
-    - `libpaddle_light_api_shared.so`：只包含 light_api 功能的动态库
+│   │   └── paddle_use_passes.h
+│   └── lib                                       C++ 库文件
-3、 `demo`文件夹：示例 demo ，包含 C++ demo 和  Java demo。
+│       ├── libpaddle_api_full_bundled.a          包含 full_api 和 light_api 功能的静态库
+│       ├── libpaddle_api_light_bundled.a         只包含 light_api 功能的静态库
- `cxx`   ： C++示例 demo
+│       ├── libpaddle_full_api_shared.so          包含 full_api 和 light_api 功能的动态库
-  - `mobile_full` :  full_api 的使用示例
+│       └── libpaddle_light_api_shared.so         只包含 light_api 功能的动态库
-  - `mobile_light` : light_api的使用示例
+│
- `java`  ：Java 示例 demo
+├── demo                                          C++ 和 Java 示例代码
-  - `android`  : Java的 Android 示例
+│   ├── cxx                                       C++ 预测库demo
+│   └── java                                      Java 预测库demo
-4、 `java` 文件夹：包含 Jni 的动态库文件与相应的 Jar 包
+│
+├── java                                          Java 预测库
- `jar` :  `PaddlePredictor.jar`
+│   ├── jar
- `so`  : Jni动态链接库  `libpaddle_lite_jni.so`
+│   │   └── PaddlePredictor.jar                   Java JAR 包
+│   ├── so
-5、 `third_party` 文件夹：第三方库文件`gflags`
+│   │   └── libpaddle_lite_jni.so                 Java JNI 动态链接库
+│   └── src
+│
+└── third_party                                   第三方库文件gflags
+```
 **注意：**
-1、 只有当`--arm_os=android` 时才会编译出：
+- 只有当`--arm_os=android` 时才会编译出：
+  - Java库文件与示例：`Java`和`demo/java`
- Java库文件与示例：`Java`和`demo/java`
+  - 动态库文件:`libpaddle_full_api_shared.so`,`libpaddle_light_api_shared.so`
+- `tiny_publish`编译结果不包括 C++ demo和 C++ 静态库，但提供 C++ 的 light_api 动态库、 Jni 动态库和Java demo
- 动态库文件:`libpaddle_full_api_shared.so`,`libpaddle_light_api_shared.so`
-2、 `tiny_publish`编译结果不包括 C++ demo和 C++ 静态库，但提供 C++ 的 light_api 动态库、 Jni 动态库和Java demo
--- a/docs/user_guides/Compile/Android.md
+++ b/docs/user_guides/Compile/Android.md
-# 编译Android预测库
-**注意：本编译方法只适用于release/v2.6.0之后版本（包括 v2.6.0)**
-如果您还没有配置好Andriod交叉编译环境，请先根据[环境准备](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#id2)中的内容，根据您的开发环境安装编译Android预测库所需的编译环境。运行编译脚本之前，请先检查环变量`NDK_ROOT`指向正确的Andriod NDK安装路径，之后可以下载并编译 Paddle-Lite源码。
-```shell
-# 1. 下载Paddle-Lite源码 并切换到release分支
-git clone https://github.com/PaddlePaddle/Paddle-Lite.git
-cd Paddle-Lite && git checkout release/v2.3
-# 2. 编译Paddle-Lite Android预测库 (armv8, gcc编译, 静态链接ndk stl)
-./lite/tools/build_android.sh
-```
-> **提示：** 编译过程中，如果程序在下载第三方库时花费较多时间，请尝试删除Paddle-Lite下的`<lite-repo>/third-party`目录之后再次运行编译脚本，脚本会自动下载存储于百度云的第三方库代码包，节省从git repo下载第三方库代码的时间。
-### 编译结果
-位于`Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8`:
-```shell
-inference_lite_lib.android.armv8/
-|-- cxx                           C++ 预测库和头文件
-|   |-- include                                C++ 头文件
-|   |   |-- paddle_api.h
-|   |   |-- paddle_image_preprocess.h
-|   |   |-- paddle_lite_factory_helper.h
-|   |   |-- paddle_place.h
-|   |   |-- paddle_use_kernels.h
-|   |   |-- paddle_use_ops.h
-|   |   `-- paddle_use_passes.h
-|   `-- lib                                    C++预测库
-|       |-- libpaddle_api_light_bundled.a             C++静态库
-|       `-- libpaddle_light_api_shared.so             C++动态库
-|-- java                          Java预测库
-|   |-- jar
-|   |   `-- PaddlePredictor.jar
-|   |-- so
-|   |   `-- libpaddle_lite_jni.so
-|   `-- src
-|-- demo                          C++和Java示例代码
-|   |-- cxx                                  C++  预测库demo
-|   `-- java                                 Java 预测库demo
-```
-### 编译命令
- 默认编译方法: (armv8, gcc, c++_static)                                           
-```                                        shell
-./lite/tools/build_android.sh
-```
- 打印 help 信息：
-```shell
-./lite/tools/build_android.sh help
-```
- 其他可选编译命令：
-```shell
--arch: (armv8|armv7)        arm版本，默认为armv8
--toolchain: (gcc|clang)     编译器类型，默认为gcc
--android_stl: (c++_static|c++_shared)   NDK stl库链接方法，默认为静态链接c++_static
--with_java: (OFF|ON)        是否编译Java预测库, 默认为 ON
--with_cv: (OFF|ON)          是否编译CV相关预处理库, 默认为 OFF
--with_log: (OFF|ON)         是否输出日志信息, 默认为 ON
--with_extra: (OFF|ON)       是否编译OCR或NLP相关模型的kernel&OP，默认为OFF，只编译CV模型相关kernel&OP
-```
- 裁剪预测库方法（只编译模型中的kernel&OP，降低预测库体积）:
-```shell
-./lite/tools/build_android.sh --with_strip=ON --opt_model_dir=YourOptimizedModelDir
-```
-```shell
--with_strip: (OFF|ON);   是否根据输入模型裁剪预测库，默认为OFF
--opt_model_dir:          输入模型的绝对路径，需要为opt转化之后的模型
-```
-详情请参考:  [裁剪预测库](https://paddle-lite.readthedocs.io/zh/latest/user_guides/library_tailoring.html)
- 编译 Android npu 预测库方法：
-```shell
-./lite/tools/build_android.sh --with_huawei_kirin_npu=ON --huawei_kirin_npu_sdk_root=YourNpuSdkPath
-```
-```shell
--with_huawei_kirin_npu: (OFF|ON);   是否编译编译huawei_kirin_npu 的预测库，默认为OFF
--huawei_kirin_npu_sdk_root:     `huawei HiAi DDK`文件的绝对路径，可从下面网址下载：
-https://developer.huawei.com/consumer/cn/hiai/
-```
-详情请参考：[PaddleLite使用NPU(华为)预测部署](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/npu.html)
- 编译Android opencl 预测库方法：(armv8, gcc, c++_static)
-```shell
-./lite/tools/build_android.sh --with_opencl=ON
-```
-```shell
--with_opencl: (OFF|ON);  是否编译opencl预测库, 默认为 OFF
-```
--- a/docs/user_guides/debug.md
+++ b/docs/user_guides/debug.md
-# 调试
+# 调试工具
 ## Profiler工具
@@ -6,7 +6,7 @@ Basic profiler 用于 CPU 上kernel 耗时的统计。
 ### 开启方法:
-参照 [编译安装](../user_guides/source_compile) 中的**full_publish**部分进行环境配置，在 cmake 时添加 `-DLITE_WITH_PROFILE=ON` ，就可以开启相应支持。
+参照 [编译环境准备](../source_compile/compile_env) 进行环境配置，在编译脚本的 cmake 选项中添加 `-DLITE_WITH_PROFILE=ON` ，就可以开启相应支持。
 ### 使用示例：
@@ -39,7 +39,7 @@ Basic profiler 用于 CPU 上kernel 耗时的统计。
 ### 编译方法:
-1. 参照 [编译安装](../user_guides/source_compile) 中的**full_publish**部分进行环境配置和编译。
+1. 参照 [编译环境准备](../source_compile/compile_env) 进行环境配置和编译。
 2. 在生成的`build`目录下，执行`make lite_model_debug_tool`，`lite_model_debug_tool`产出在编译目录的`lite/tools/debug`目录下。
 ### 工作流程:

--- a/lite/demo/cxx/README.md
+++ b/lite/demo/cxx/README.md
@@ -23,7 +23,7 @@
 **编译Demo并执行**
-参考[预测库编译](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html)准备编译环境。
+参考[编译环境准备](https://paddle-lite.readthedocs.io/zh/latest/source_compile/compile_env.html)准备编译环境。
 执行下面命令，下载PaddleLite代码，切换到2.6版本分支。
 ```shell