update benchark

deploy/python/docs/PaddleSeg_Infer_Benchmark.md

-# PaddleSeg 分割模型预测性能测试
+# PaddleSeg 分割模型预测Benchmark
 
 ## 测试软件环境
 - CUDA 9.0
@@ -10,12 +10,11 @@
 - CPU：Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz
 
 ## 测试方法
-- 输入采用 1000张RGB图片，batch_size 统一为 1。
+- 输入采用1000张RGB图片，batch_size为1。
 - 重复跑多轮，去掉第一轮预热时间，计后续几轮的平均时间：包括数据拷贝到GPU，预测引擎计算时间，预测结果拷贝回CPU 时间。
-- 采用Fluid C++预测引擎
+- 采用Paddle C++预测引擎
 - 测试时开启了 FLAGS_cudnn_exhaustive_search=True，使用exhaustive方式搜索卷积计算算法。
-- 对于每个模型，同事测试了`OP`优化模型和原生模型的推理速度, 并分别就是否开启`FP16`和`FP32`的进行了测试
-
+- 对于每个模型，测试了`OP`优化模型和原生模型的推理速度, 并分别就是否开启`FP16`和`FP32`的进行了测试
 
 
 ## 推理速度测试数据
@@ -501,7 +500,7 @@
 
  
 
-### 3. 不同的EVAL_CROP_SIZE对图片想能的影响
+### 3. 不同的EVAL_CROP_SIZE对图片性能的影响
 
 在 `deeplabv3p_xception`上的数据对比图：
 ![xception](https://paddleseg.bj.bcebos.com/inference/benchmark/xception.png)

deploy/python/docs/compile_paddle_with_tensorrt.md

@@ -11,11 +11,11 @@
 
 ## 2. 安装 TensorRT 5.1
 
-请参考`Nvidia`的[官方安装教程](https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.html)
+请参考Nvidia的[官方安装教程](https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.html)
 
 ## 3. 编译 PaddlePaddle
 
- 这里假设`Python`版本为`3.7`以及`cuda` `cudnn` `tensorRT`安装路径如下：
+ 这里假设`Python`版本为`3.7`以及`CUDA` `cuDNN` `TensorRT`安装路径如下：
 ```bash
 # 假设 cuda 安装路径
 /usr/local/cuda-9.0/

docs/benchmark.md

-# PaddleSeg 性能Benchmark
-
-## 训练性能
-
-### 多GPU加速比
-
-### 显存开销对比
-
-## 预测性能对比
-
-### Windows
-
-### Linux
-
-#### Naive
-
-#### Analysis