Merge branch 'develop' of https://github.com/PaddlePaddle/PaddleX into develop

deploy/README.md

-# 模型部署
+# 多端安全部署
 
-本目录为PaddleX模型部署代码, 编译和使用的教程参考：
+本目录为PaddleX模型部署代码，编译和使用教程参考：
 
-- [C++部署文档](../docs/tutorials/deploy/deploy.md#C部署)
-- [OpenVINO部署文档](../docs/tutorials/deploy/deploy.md#openvino部署)
+- [服务端部署(支持Python部署、C++部署、模型加密部署)](../docs/tutorials/deploy/deploy_server/)
+- [OpenVINO部署](../docs/tutorials/deploy/deploy_openvino.md)
+- [移动端部署](../docs/tutorials/deploy/deploy_lite.md)

docs/tutorials/deploy/deploy_openvino.md

 # OpenVINO部署
 
 ## 方案简介
-OpenVINO部署方案位于目录`deploy/openvino/`下，且独立于PaddleX其他模块，该方案目前支持在 **Linux** 完成编译和部署运行。
+OpenVINO部署方案位于目录`PaddleX/deploy/openvino/`下，且独立于PaddleX其他模块，该方案目前支持在 **Linux** 完成编译和部署运行。
 
 PaddleX到OpenVINO的部署流程如下：
 
->> PaddleX --> ONNX --> OpenVINO IR --> OpenVINO Inference Engine
+> PaddleX --> ONNX --> OpenVINO IR --> OpenVINO Inference Engine
 
 |目前支持OpenVINO部署的PaddleX模型|
 |-----|
@@ -16,7 +16,7 @@ PaddleX到OpenVINO的部署流程如下：
 |ResNet50_vd|
 |ResNet101_vd|
 |ResNet50_vd_ssld|
-|ResNet101_vd_ssld
+|ResNet101_vd_ssld|
 |DarkNet53|
 |MobileNetV1|
 |MobileNetV2|
@@ -25,9 +25,11 @@ PaddleX到OpenVINO的部署流程如下：
 |DenseNet201|
 
 ## 部署流程
+
 ### 说明
 本文档在 `Ubuntu`使用`GCC 4.8.5` 进行了验证，如果需要使用更多G++版本和平台的OpenVino编译，请参考: [OpenVINO](https://github.com/openvinotoolkit/openvino/blob/2020/build-instruction.md)。
 
+
 ### 验证环境
 * Ubuntu* 16.04 (64-bit) with GCC* 4.8.5
 * CMake 3.12
@@ -56,7 +58,7 @@ PaddleX到OpenVINO的部署流程如下：
 - ngraph:
 说明：openvino编译的过程中会生成ngraph的lib文件，位于{openvino根目录}/bin/intel64/Release/lib/下。
 
-### Step2: 编译demo
+### Step2: 编译
 
 
 编译`cmake`的命令在`scripts/build.sh`中，请根据Step1中编译软件的实际情况修改主要参数，其主要内容说明如下：
@@ -89,16 +91,17 @@ make
 
 ### Step3: 模型转换
 
-将PaddleX模型转换成ONNX模型
+将PaddleX模型转换成ONNX模型：
 
 ```
 paddlex --export_onnx --model_dir=/path/to/xiaoduxiong_epoch_12 --save_dir=/path/to/onnx_model
 ```
 
-将生成的onnx模型转换为OpencVINO支持的格式，请参考：[Model Optimizer文档](https://docs.openvinotoolkit.org/latest/_docs_MO_DG_Deep_Learning_Model_Optimizer_DevGuide.html)
+将生成的onnx模型转换为OpenVINO支持的格式，请参考：[Model Optimizer文档](https://docs.openvinotoolkit.org/latest/_docs_MO_DG_Deep_Learning_Model_Optimizer_DevGuide.html)
 
 ### Step4: 预测
-编译成功后，预测demo的可执行程序分别为`build/detector`，其主要命令参数说明如下：
+
+编译成功后，分类任务的预测可执行程序为`classifier`，其主要命令参数说明如下：
 
 |  参数   | 说明  |
 |  ----  | ----  |
@@ -107,17 +110,14 @@ paddlex --export_onnx --model_dir=/path/to/xiaoduxiong_epoch_12 --save_dir=/path
 | --image_list  | 按行存储图片路径的.txt文件 |
 | --device  | 运行的平台, 默认值为"CPU" |
 
-
-### 样例
-
-可使用[小度熊识别模型](deploy_server/deploy_python.html#inference)中导出的`inference_model`和测试图片进行预测。
+#### 样例
 
 `样例一`：
 
 测试图片 `/path/to/xiaoduxiong.jpeg`  
 
 ```shell
-./build/classifier --model_dir=/path/to/inference_model --image=/path/to/xiaoduxiong.jpeg
+./build/classifier --model_dir=/path/to/openvino_model --image=/path/to/xiaoduxiong.jpeg
 ```
 
 
@@ -130,6 +130,7 @@ paddlex --export_onnx --model_dir=/path/to/xiaoduxiong_epoch_12 --save_dir=/path
 ...
 /path/to/images/xiaoduxiongn.jpeg
 ```
+
 ```shell
-./build/classifier --model_dir=/path/to/models/inference_model --image_list=/root/projects/images_list.txt -
+./build/classifier --model_dir=/path/to/models/openvino_model --image_list=/root/projects/images_list.txt
 ```

docs/tutorials/deploy/deploy_server/encryption.md

@@ -77,7 +77,7 @@ paddlex-encryption
 | use_gpu  | 是否使用 GPU 预测, 支持值为0或1(默认值为0) |
 | use_trt  | 是否使用 TensorTr 预测, 支持值为0或1(默认值为0) |
 | gpu_id  | GPU 设备ID, 默认值为0 |
-| save_dir | 保存可视化结果的路径, 默认值为"output"，classfier无该参数 |
+| save_dir | 保存可视化结果的路径, 默认值为"output"，classifier无该参数 |
 | key | 加密过程中产生的密钥信息，默认值为""表示加载的是未加密的模型 |