modified README and demo (#726)

demo/quant/quant_post/README.md

 # 静态离线量化示例
 
-本示例介绍如何使用离线量化接口``paddleslim.quant.quant_post_static``来对训练好的分类模型进行离线量化, 该接口无需对模型进行训练就可得到量化模型，减少模型的存储空间和显存占用。
+本示例将介绍如何使用离线量化接口``paddleslim.quant.quant_post_static``来对训练好的分类模型进行离线量化, 无需对模型进行训练即可得到量化模型，减少模型的存储空间和显存占用。
 
 ## 接口介绍
 
@@ -17,7 +17,7 @@
 - ``'val_list.txt'``文件
 
 ### 准备需要量化的模型
-因为离线量化接口只支持加载通过``paddle.static.save_inference_model``接口保存的模型，因此如果您的模型是通过其他接口保存的，那需要先将模型进行转化。本示例将以分类模型为例进行说明。
+离线量化接口只支持加载通过``paddle.static.save_inference_model``接口保存的模型。因此如果您的模型是通过其他接口保存的，需要先将模型进行转化。本示例将以分类模型为例进行说明。
 
 首先在[imagenet分类模型](https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/image_classification#%E5%B7%B2%E5%8F%91%E5%B8%83%E6%A8%A1%E5%9E%8B%E5%8F%8A%E5%85%B6%E6%80%A7%E8%83%BD)中下载训练好的``mobilenetv1``模型。
 
@@ -33,10 +33,10 @@ python export_model.py --model "MobileNet" --pretrained_model ./pretrain/MobileN
 ### 静态离线量化
 接下来对导出的模型文件进行静态离线量化，静态离线量化的脚本为[quant_post.py](./quant_post.py)，脚本中使用接口``paddleslim.quant.quant_post_static``对模型进行离线量化。运行命令为：
 ```
-python quant_post_static.py --model_path ./inference_model/MobileNet --save_path ./quant_model_train/MobileNet --model_filename model --params_filename weights
+python quant_post.py --model_path ./inference_model/MobileNet --save_path ./quant_model_train/MobileNet --model_filename model --params_filename weights
 ```
 
-- ``model_path``: 需要量化的模型坐在的文件夹
+- ``model_path``: 需要量化的模型所在路径
 - ``save_path``: 量化后的模型保存的路径
 - ``model_filename``: 如果需要量化的模型的参数文件保存在一个文件中，则设置为该模型的模型文件名称，如果参数文件保存在多个文件中，则不需要设置。
 - ``params_filename``: 如果需要量化的模型的参数文件保存在一个文件中，则设置为该模型的参数文件名称，如果参数文件保存在多个文件中，则不需要设置。

demo/quant/quant_post/quant_post.py

@@ -11,7 +11,7 @@ import numpy as np
 sys.path[0] = os.path.join(
     os.path.dirname("__file__"), os.path.pardir, os.path.pardir)
 from paddleslim.common import get_logger
-from paddleslim.quant import quant_post
+from paddleslim.quant import quant_post_static
 from utility import add_arguments, print_arguments
 import imagenet_reader as reader
 _logger = get_logger(__name__, level=logging.INFO)
@@ -28,6 +28,8 @@ add_arg('model_filename',       str, None,                 "model file name")
 add_arg('params_filename',      str, None,                 "params file name")
 add_arg('algo',         str, 'hist',               "calibration algorithm")
 add_arg('hist_percent',         float, 0.9999,             "The percentile of algo:hist")
+add_arg('bias_correction',         bool, False,             "Whether to use bias correction")
+
 # yapf: enable
 
 
@@ -40,7 +42,7 @@ def quantize(args):
     assert os.path.isdir(args.model_path), "args.model_path must be a dir"
 
     exe = paddle.static.Executor(place)
-    quant_post(
+    quant_post_static(
         executor=exe,
         model_dir=args.model_path,
         quantize_model_path=args.save_path,
@@ -50,7 +52,8 @@ def quantize(args):
         batch_size=args.batch_size,
         batch_nums=args.batch_num,
         algo=args.algo,
-        hist_percent=args.hist_percent)
+        hist_percent=args.hist_percent,
+        bias_correction=args.bias_correction)
 
 
 def main():