update auto compress classication readme (#1191)

demo/auto_compression/image_classification/README.md

@@ -16,7 +16,7 @@
 本示例将以图像分类模型MobileNetV1为例，介绍如何使用PaddleClas中Inference部署模型进行自动压缩。本示例使用的自动压缩策略为量化训练和蒸馏。
 
 ## 2. Benchmark
-- MobileNetV1模型
+- PaddlePaddle MobileNetV1模型
 
 | 模型 | 策略 | Top-1 Acc | 耗时(ms) threads=4 |
 |:------:|:------:|:------:|:------:|
@@ -25,14 +25,14 @@
 
 - 测试环境：`SDM710 2*A75(2.2GHz) 6*A55(1.7GHz)`
 
-- MobileNetV1模型
+- TensorFlow MobileNetV1模型
 
-| 模型 | 策略 | Top-1 Acc | 耗时(ms) threads=4 | Inference模型 |
+| 模型 | 策略 | Top-1 Acc | 耗时(ms) threads=1 | Inference模型 |
 |:------:|:------:|:------:|:------:|:------:|
-| MobileNetV1 | Base模型 | 71.0 | - | [Model]() |
-| MobileNetV1 | 量化+蒸馏 | 70.22 | -| [Model]() |
+| MobileNetV1 | Base模型 | 71.0 | 30.45 | [Model](https://paddle-slim-models.bj.bcebos.com/act/mobilenetv1_inference_model_tf2paddle.tar) |
+| MobileNetV1 | 量化+蒸馏 | 70.22 | 15.86 | [Model](https://paddle-slim-models.bj.bcebos.com/act/mobilenetv1_quant.tar) |
 
-- 测试环境：
+- 测试环境：`骁龙865 4*A77 4*A55`
 
 说明：
 - MobileNetV1模型源自[tensorflow/models](http://download.tensorflow.org/models/mobilenet_v1_2018_02_22/mobilenet_v1_1.0_224.tgz)，通过[X2Paddle](https://github.com/PaddlePaddle/X2Paddle)工具转换MobileNetV1预测模型步骤：