docs: rename

deploy/cpp_shitu/README.md

+../../docs/zh_CN/deployment/PP-ShiTu/cpp.md
\ No newline at end of file

docs/zh_CN/deployment/python.md → docs/zh_CN/deployment/PP-ShiTu/python.md

@@ -4,52 +4,20 @@
 
 ## 目录
 
-- [1. 图像分类模型推理](#1)
-- [2. PP-ShiTu模型推理](#2)
-    - [2.1 主体检测模型推理](#2.1)
-    - [2.2 特征提取模型推理](#2.2)
-    - [2.3 PP-ShiTu PipeLine推理](#2.3)
+- [1. PP-ShiTu模型推理](#1)
+    - [1.1 主体检测模型推理](#1.1)
+    - [1.2 特征提取模型推理](#1.2)
+    - [1.3 PP-ShiTu PipeLine推理](#1.3)
 
 <a name="1"></a>
 
-## 1. 图像分类推理
-
-首先请参考文档[模型导出](./export_model.md)准备 inference 模型，然后进入 PaddleClas 的 `deploy` 目录下：
-
-```shell
-cd PaddleClas/deploy
-```
-
-使用以下命令进行预测：
-
-```shell
-python3.7 python/predict_cls.py -c configs/inference_cls.yaml
-```
-
-在配置文件 `configs/inference_cls.yaml` 中有以下字段用于配置预测参数：
-* `Global.infer_imgs`：待预测的图片文件（夹）路径；
-* `Global.inference_model_dir`：inference 模型文件所在文件夹的路径，该文件夹下需要有文件 `inference.pdmodel` 和 `inference.pdiparams` 两个文件；
-* `Global.use_gpu`：是否使用 GPU 预测，默认为 `True`；
-* `Global.enable_mkldnn`：是否启用 `MKL-DNN` 加速库，默认为 `False`。注意 `enable_mkldnn` 与 `use_gpu` 同时为 `True` 时，将忽略 `enable_mkldnn`，而使用 GPU 预测；
-* `Global.use_fp16`：是否启用 `FP16`，默认为 `False`；
-* `Global.use_tensorrt`：是否使用 TesorRT 预测引擎，默认为 `False`；
-* `PreProcess`：用于数据预处理配置；
-* `PostProcess`：由于后处理配置；
-* `PostProcess.Topk.class_id_map_file`：数据集 label 的映射文件，默认为 `../ppcls/utils/imagenet1k_label_list.txt`，该文件为 PaddleClas 所使用的 ImageNet 数据集 label 映射文件。
-
-**注意**:
-* 如果使用 VisionTransformer 系列模型，如 `DeiT_***_384`, `ViT_***_384` 等，请注意模型的输入数据尺寸，该类模型需要修改参数： `PreProcess.resize_short=384`, `PreProcess.resize=384`。
-* 如果你希望提升评测模型速度，使用 GPU 评测时，建议开启 TensorRT 加速预测，使用 CPU 评测时，建议开启 MKL-DNN 加速预测。
-
-<a name="2"></a>
-
-## 2. PP-ShiTu模型推理
+## 1. PP-ShiTu模型推理
 
 PP-ShiTu整个Pipeline包含三部分：主体检测、特征提取模型、特征检索。其中主体检测模型、特征提取模型可以单独推理使用。单独使用主体检测详见[主体检测模型推理](#2.1)，特征提取模型单独推理详见[特征提取模型推理](#2.2)， PP-ShiTu整体推理详见[PP-ShiTu PipeLine推理](#2.3)。
 
 <a name="2.1"></a>
 
-### 2.1 主体检测模型推理
+### 1.1 主体检测模型推理
 
 进入 PaddleClas 的 `deploy` 目录下：
 
@@ -78,7 +46,7 @@ python3.7 python/predict_det.py -c configs/inference_det.yaml
 
 <a name="2.2"></a>
 
-### 2.2 特征提取模型推理
+### 1.2 特征提取模型推理
 
 下面以商品图片的特征提取为例，介绍特征提取模型推理。首先进入 PaddleClas 的 `deploy` 目录下：
 
@@ -107,8 +75,8 @@ python3.7 python/predict_rec.py -c configs/inference_rec.yaml
 * `Global.infer_imgs`：待预测的图片文件路径；
 * `Global.use_gpu`： 是否使用 GPU 预测，默认为 `True`。
 
-<a name="2.3"></a>
+<a name="1.3"></a>
 
-### 2.3. PP-ShiTu PipeLine推理
+### 1.3 PP-ShiTu PipeLine推理
 
 主体检测、特征提取和向量检索的串联预测，可以参考[图像识别快速开始](../quick_start/quick_start_recognition.md)。

docs/zh_CN/deployment/image_classification/paddle2onnx.md

+../../../../deploy/paddle2onnx/readme.md
\ No newline at end of file

docs/zh_CN/deployment/image_classification/python.md

+# Python 预测推理
+
+首先请参考文档[环境准备](../installation/install_paddleclas.md)配置运行环境。
+
+## 目录
+
+- [1. 图像分类模型推理](#1)
+
+<a name="1"></a>
+
+## 1. 图像分类推理
+
+首先请参考文档[模型导出](./export_model.md)准备 inference 模型，然后进入 PaddleClas 的 `deploy` 目录下：
+
+```shell
+cd PaddleClas/deploy
+```
+
+使用以下命令进行预测：
+
+```shell
+python3.7 python/predict_cls.py -c configs/inference_cls.yaml
+```
+
+在配置文件 `configs/inference_cls.yaml` 中有以下字段用于配置预测参数：
+* `Global.infer_imgs`：待预测的图片文件（夹）路径；
+* `Global.inference_model_dir`：inference 模型文件所在文件夹的路径，该文件夹下需要有文件 `inference.pdmodel` 和 `inference.pdiparams` 两个文件；
+* `Global.use_gpu`：是否使用 GPU 预测，默认为 `True`；
+* `Global.enable_mkldnn`：是否启用 `MKL-DNN` 加速库，默认为 `False`。注意 `enable_mkldnn` 与 `use_gpu` 同时为 `True` 时，将忽略 `enable_mkldnn`，而使用 GPU 预测；
+* `Global.use_fp16`：是否启用 `FP16`，默认为 `False`；
+* `Global.use_tensorrt`：是否使用 TesorRT 预测引擎，默认为 `False`；
+* `PreProcess`：用于数据预处理配置；
+* `PostProcess`：由于后处理配置；
+* `PostProcess.Topk.class_id_map_file`：数据集 label 的映射文件，默认为 `../ppcls/utils/imagenet1k_label_list.txt`，该文件为 PaddleClas 所使用的 ImageNet 数据集 label 映射文件。
+
+**注意**:
+* 如果使用 VisionTransformer 系列模型，如 `DeiT_***_384`, `ViT_***_384` 等，请注意模型的输入数据尺寸，该类模型需要修改参数： `PreProcess.resize_short=384`, `PreProcess.resize=384`。
+* 如果你希望提升评测模型速度，使用 GPU 评测时，建议开启 TensorRT 加速预测，使用 CPU 评测时，建议开启 MKL-DNN 加速预测。