Add demo for SlimOCR (#433)

.gitmodules

+[submodule "demo/ocr/PaddleOCR"]
+	path = demo/ocr/PaddleOCR
+	url = https://github.com/PaddlePaddle/PaddleOCR

README.md

@@ -232,9 +232,10 @@ pip install paddleslim==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
 - [模型库](docs/zh_cn/model_zoo.md)：各个压缩策略在图像分类、目标检测和图像语义分割模型上的实验结论，包括模型精度、预测速度和可供下载的预训练模型。
 - [API文档](https://paddlepaddle.github.io/PaddleSlim/api_cn/index.html)
 - [算法原理](https://paddlepaddle.github.io/PaddleSlim/algo/algo.html): 介绍量化、剪枝、蒸馏、NAS的基本知识背景。
-- [Paddle检测库](https://github.com/PaddlePaddle/PaddleDetection/tree/master/slim)：介绍如何在检测库中使用PaddleSlim。
-- [Paddle分割库](https://github.com/PaddlePaddle/PaddleSeg/tree/develop/slim)：介绍如何在分割库中使用PaddleSlim。
-- [PaddleLite](https://paddlepaddle.github.io/Paddle-Lite/)：介绍如何使用预测库PaddleLite部署PaddleSlim产出的模型。
+
+- 飞桨套件压缩方案与小模型
+    - [PaddleOCR压缩方案及小模型](demo/ocr/README.md)
+    - [PaddleDetection压缩方案及小模型](demo/det/README.md)
 
 ## 部分压缩策略效果
 

PaddleOCR @ 56c6c3ae

+Subproject commit 56c6c3ae0e5c9ae6b9401a9446c629e513d4617f

demo/ocr/README.md

+[English](README_en.md) | 简体中文
+
+# SlimOCR模型库
+
+
+## 模型
+
+PaddleSlim对[PaddleOCR]()发布的模型进行了压缩，产出了如下一系列小模型：
+
+
+<table>
+<thead>
+  <tr>
+    <th>序号</th>
+    <th>任务</th>
+    <th>模型</th>
+    <th>压缩策略<sup><a href="#quant">[3]</a><a href="#prune">[4]</a><sup></th>
+    <th>精度(自建中文数据集)</th>
+    <th>耗时<sup><a href="#latency">[1]</a></sup>(ms)</th>
+    <th>整体耗时<sup><a href="#rec">[2]</a></sup>(ms)</th>
+    <th>加速比</th>
+    <th>整体模型大小(M)</th>
+    <th>压缩比例</th>
+    <th>下载链接</th>
+  </tr>
+</thead>
+<tbody>
+  <tr>
+    <td rowspan="2">0</td>
+    <td>检测</td>
+    <td>MobileNetV3_DB</td>
+    <td>无</td>
+    <td>61.7</td>
+    <td>224</td>
+    <td rowspan="2">375</td>
+    <td rowspan="2">-</td>
+    <td rowspan="2">8.6</td>
+    <td rowspan="2">-</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td>识别</td>
+    <td>MobileNetV3_CRNN</td>
+    <td>无</td>
+    <td>62.0</td>
+    <td>9.52</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td rowspan="2">1</td>
+    <td>检测</td>
+    <td>SlimTextDet</td>
+    <td>PACT量化训练</td>
+    <td>62.1</td>
+    <td>195</td>
+    <td rowspan="2">348</td>
+    <td rowspan="2">8%</td>
+    <td rowspan="2">2.8</td>
+    <td rowspan="2">67.82%</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td>识别</td>
+    <td>SlimTextRec</td>
+    <td>PACT量化训练</td>
+    <td>61.48</td>
+    <td>8.6</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td rowspan="2">2</td>
+    <td>检测</td>
+    <td>SlimTextDet_quat_pruning</td>
+    <td>剪裁+PACT量化训练</td>
+    <td>60.86</td>
+    <td>142</td>
+    <td rowspan="2">288</td>
+    <td rowspan="2">30%</td>
+    <td rowspan="2">2.8</td>
+    <td rowspan="2">67.82%</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td>识别</td>
+    <td>SlimTextRec</td>
+    <td>PACT量化训练</td>
+    <td>61.48</td>
+    <td>8.6</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td rowspan="2">3</td>
+    <td>检测</td>
+    <td>SlimTextDet_pruning</td>
+    <td>剪裁</td>
+    <td>61.57</td>
+    <td>138</td>
+    <td rowspan="2">295</td>
+    <td rowspan="2">27%</td>
+    <td rowspan="2">2.9</td>
+    <td rowspan="2">66.28%</td>
+    <td></td>
+  </tr>
+  <tr>
+    <td>识别</td>
+    <td>SlimTextRec</td>
+    <td>PACT量化训练</td>
+    <td>61.48</td>
+    <td>8.6</td>
+    <td></td>
+  </tr>
+</tbody>
+</table>
+
+
+**注意**:
+
+-   <a name="lantancy">[1]</a> 耗时评测环境为：骁龙855芯片+PaddleLite。
+-   <a name="rec">[2]</a> 整体耗时不等于检测耗时加识别耗时的原因是：识别模型的耗时为单个检测框的耗时，一张图片可能会有多个检测框。
+-   <a name="quant">[3]</a> 参考下面关于[OCR量化的说明](#OCR量化说明)。
+-   <a name="prune">[4]</a> 参考下面关于[OCR剪裁的说明](#OCR剪裁说明)。
+
+
+## OCR量化说明
+
+待补充
+
+分别针对检测和识别模型说明以下内容：
+1. PACT量化所选参数：包括量化算法参数、训练轮数、优化器选择、学习率等信息
+2. 跳过了哪些层
+
+
+更多量化教程请参考[OCR模型量化压缩教程]()
+
+
+## OCR剪裁说明
+
+待补充
+
+针对检测模型说明以下内容：
+1. 剪裁了哪些层，以及对应的比例
+2. 训练参数
+
+
+更多OCR剪裁教程请参考[OCR模剪裁压缩教程]()