fix readme

demo/quant/quant_aware/README.md

@@ -3,6 +3,7 @@
 本示例介绍如何使用在线量化接口，来对训练好的分类模型进行量化, 可以减少模型的存储空间和显存占用。
 
 ## 接口介绍
+
 ```
 quant_config_default = {
     'weight_quantize_type': 'abs_max',
@@ -25,6 +26,7 @@ quant_config_default = {
     'quant_weight_only': False
 }
 ```
+
 量化配置表。
 参数说明：
 - weight_quantize_type(str): 参数量化方式。可选'abs_max',  'channel_wise_abs_max', 'range_abs_max', 'moving_average_abs_max'，默认'abs_max'。
@@ -32,11 +34,12 @@ quant_config_default = {
 - weight_bits(int): 参数量化bit数，默认8。
 - activation_bits(int): 激活量化bit数，默认8。
 - not_quant_pattern(str or str list): 所有name_scope包含not_quant_pattern字符串的op，都不量化。
-- quantize_op_types(str of list): 需要进行量化的op类型。
+- quantize_op_types(str of list): 需要进行量化的op类型，目前支持'conv2d', 'depthwise_conv2d', 'mul', 'elementwise_add', 'pool2d'。
 - dtype(int8): 量化后的参数类型，默认int8。
 - window_size(int): 'range_abs_max'量化的window size，默认10000。
 - moving_rate(int): moving_average_abs_max 量化的衰减系数，默认 0.9。
 - quant_weight_only(bool): 是否只量化参数，如果设为True，则激活不进行量化，默认False。
+
 ```
 def quant_aware(program, 
                 place, 
@@ -44,10 +47,11 @@ def quant_aware(program,
                 scope=None, 
                 for_test=False)
 ```
+
 该接口会对传入的program插入可训练量化op。
 参数介绍：
 - program (fluid.program): 传入训练或测试program。
-- place(fluid.CPUPlace or fluid.CUDAPlace(N): 该参数表示Executor执行所在的设备，这里的N为GPU对应的ID。
+- place(fluid.CPUPlace or fluid.CUDAPlace): 该参数表示Executor执行所在的设备。
 - config(dict): 量化配置表。
 - scope(fluid.Scope): 传入用于存储var的scope，需要传入program所使用的scope，一般情况下，是fluid.global_scope()。
 - for_test(bool): 如果program参数是一个测试用program，for_test应设为True，否则设为False。
@@ -63,14 +67,15 @@ def convert(program,
             scope=None, 
             save_int8=False)
 ```
+
 把训练好的量化program，转换为可用于保存inference model的program。
 注意，本接口返回的program，不可用于训练。
 参数介绍：
 - program (fluid.program): 传入测试program。
-- place(fluid.CPUPlace or fluid.CUDAPlace(N): 该参数表示Executor执行所在的设备，这里的N为GPU对应的ID。
+- place(fluid.CPUPlace or fluid.CUDAPlace): 该参数表示Executor执行所在的设备。
 - config(dict): 量化配置表。
-- -scope(fluid.Scope): 传入用于存储var的scope，需要传入program所使用的scope，一般情况下，是fluid.global_scope()。
-- save_int8（bool）: 是否需要导出参数为int8的program。
+- scope(fluid.Scope): 传入用于存储var的scope，需要传入program所使用的scope，一般情况下，是fluid.global_scope()。
+- save_int8（bool）: 是否需要导出参数为int8的program。(该功能目前只能用于确认模型大小)
 
 返回参数：
 - program (fluid.program): freezed program，可用于保存inference model，参数为float32类型，但其数值范围可用int8表示。
@@ -104,11 +109,10 @@ val_program = quant_aware(val_program, place, quant_config, scope=None, for_test
 compiled_train_prog = quant_aware(train_prog, place, quant_config, scope=None, for_test=False)
 ```
 
-###3.关掉指定build策略
+### 3.关掉指定build策略
+
 ```
 build_strategy = fluid.BuildStrategy()
-build_strategy.memory_optimize = False
-build_strategy.enable_inplace = False
 build_strategy.fuse_all_reduce_ops = False
 build_strategy.sync_batch_norm = False
 exec_strategy = fluid.ExecutionStrategy()
@@ -117,7 +121,9 @@ compiled_train_prog = compiled_train_prog.with_data_parallel(
         build_strategy=build_strategy,
         exec_strategy=exec_strategy)
 ```
-###4. freeze program
+
+### 4. freeze program
+
 ```
 float_program, int8_program = convert(val_program, 
                                       place,
@@ -125,7 +131,9 @@ float_program, int8_program = convert(val_program,
                                       scope=None,
                                       save_int8=True)
 ```
-###5.保存预测模型
+
+### 5.保存预测模型
+
 ```
 fluid.io.save_inference_model(
     dirname=float_path,