Merge pull request #1716 from TeslaZhao/develop

Update doc

doc/Offical_Docs/1-0_Introduction_CN.md

@@ -6,7 +6,7 @@ Paddle Serving 是飞桨官方推荐的服务化部署框架，围绕 AI 落地
 - 支持深度学习平台：支持 Paddle 框架训练模型，其他机器学习平台（Caffe、TensorFlow、ONNX、PyTorch）可通过 x2paddle 工具迁移模型。
 - 支持多种网络协议：HTTP、gRPC、bRPC等多种协议。
 - 支持多种语言 SDK：C++、Python、Java。
-- 适配多种计算硬件：x86(Intel) CPU、ARM CPU、Nvidia GPU、昆仑 XPU、华为昇腾 310/910、海光 DCU、Nvidia Jetson等多种硬件。
+- 适配多种计算硬件：x86(Intel) CPU、ARM CPU、Nvidia GPU、昆仑 XPU、华为昇腾 310/910、海光 DCU、Nvidia Jetson 等多种硬件。
 - 部署平台：支持 Docker 和 Kubernetes 云端部署，提供多种环境的 Docker 开发镜像和云端部署案例。
 - 具有高性能设计：基于有向无环图（DAG）的异步流水线构建高性能服务化推理框架，具有多模型组合、异步调度、并发推理、动态批量和多卡多流等设计。
 - 提供模型安全部署解决方案：加密模型部署、鉴权校验、HTTPs 安全网关，并在实际项目中应用。
@@ -17,42 +17,42 @@ Paddle Serving 是飞桨官方推荐的服务化部署框架，围绕 AI 落地
 
 **一.环境安装**
 
-根据计算硬件、操作系统和软件驱动版本等环境差异，要选择正确的安装程序。提供多种系统环境安装、PIP 程序安装和源码编译安装三种方案，安装完成后可使用环境检查命令验证。
+根据计算硬件、操作系统和软件驱动版本等环境差异，要选择正确的安装程序。提供多种系统环境安装、pip 程序安装和源码编译安装三种方案，安装完成后可使用环境检查命令验证。
 
-#### 1.标准环境安装方案，请参考[标准环境安装]()
-#### 2.使用 PIP 安装，请参考[使用 PIP 安装]()
-#### 3.源码编译安装，请参考[源码编译]()
-#### 4.安装环境检查，请参考[环境检查]()
+#### 1.标准环境安装方案，请参考 [标准环境安装]()
+#### 2.使用 pip 安装，请参考 [使用 pip 安装]()
+#### 3.源码编译安装，请参考 [源码编译]()
+#### 4.安装环境检查，请参考 [环境检查]()
 
 **二.快速开发**
 
-环境安装完成后，参考二种模型开发示例快速开发程序，更多模型示例请参考[模型库]()。
+环境安装完成后，参考二种模型开发示例快速开发程序，更多模型示例请参考 [模型库]()。
 
 #### 1.基于 C++ Serving 的单模型 Resnet_v2_50 部署示例，请参考[Resnet_v2_50]()
 #### 2.基于 Python Pipeline 多模型组合 OCR_v2 部署示例，请参考[OCR]()
 
 **三.服务部署**
 
-经过开发和测试后，程序要在服务器上部署，Paddle Serving 提供基于Kubernetes集群部署案例，请参考[Kubernetes集群部署]()
+经过开发和测试后，程序要在服务器上部署，Paddle Serving 提供基于 Kubernetes 集群部署案例，请参考 [Kubernetes 集群部署]()
 
-多个服务入口安全网关部署，请参考[安全网关]()
+多个服务入口安全网关部署，请参考 [安全网关]()
 
 
 ## 功能说明
 
 **一.基础功能**
 
-本章节系统介绍 Paddle Serving 提供的基础功能，每种功能的使用方法和功能选项，详情请参考[基础功能]()
+本章节系统介绍 Paddle Serving 提供的基础功能，每种功能的使用方法和功能选项，详情请参考 [基础功能]()
 
 **二.进阶 C++ Serving**
 
-本章节详细介绍 C++ Serving 的多种高级功能特性，以及设计方案、使用方法和性能调优等，详情请参考[进阶 C++ Serving]()
+本章节详细介绍 C++ Serving 的多种高级功能特性，以及设计方案、使用方法和性能调优等，详情请参考 [进阶 C++ Serving]()
 
 **三.进阶 Python Pipeline**
 
-本章节详细介绍 Python Pipeline 的多种高级功能特性，以及设计方案、使用方法和性能调优等，详情请参考[进阶 Python Pipeline]()
+本章节详细介绍 Python Pipeline 的多种高级功能特性，以及设计方案、使用方法和性能调优等，详情请参考 [进阶 Python Pipeline]()
 
 **四.大规模稀疏参数索引服务**
 
-本章节介绍稀疏参数索引场景，如推荐、广告系统中大规模 Embedding 查询的设计与使用方案，详情请参考[大规模稀疏参数索引服务]()
+本章节介绍稀疏参数索引场景，如推荐、广告系统中大规模 Embedding 查询的设计与使用方案，详情请参考 [大规模稀疏参数索引服务]()
 

doc/Offical_Docs/Index_CN.md

@@ -3,7 +3,7 @@
 ##  安装说明
 
 本说明将指导您在64位操作系统编译和安装 PaddleServing。
-**强烈建议**您在**Docker 内构建** Paddle Serving，更多镜像请查看[Docker镜像列表](Docker_Images_CN.md)。
+**强烈建议**您在 **Docker 内构建** Paddle Serving，更多镜像请查看 [Docker镜像列表](Docker_Images_CN.md)。
 
 **一. Python 和 pip 版本：**
 
@@ -91,7 +91,7 @@
     # GPU CUDA 10.2环境请执行
     pip3 install paddlepaddle-gpu==2.2.2
     ```
-    **注意**： 如果您的 Cuda 版本不是10.2，或者您需要在 GPU 环境上使用 TensorRT，请勿直接执行上述命令，需要参考[Paddle-Inference官方文档-下载安装Linux预测库](https://paddleinference.paddlepaddle.org.cn/master/user_guides/download_lib.html#python)选择相应的 GPU 环境的 url 链接并进行安装。
+    **注意**： 如果您的 CUDA 版本不是10.2，或者您需要在 GPU 环境上使用 TensorRT，请勿直接执行上述命令，需要参考[Paddle-Inference官方文档-下载安装Linux预测库](https://paddleinference.paddlepaddle.org.cn/master/user_guides/download_lib.html#python)选择相应的 GPU 环境的 url 链接并进行安装。
 
 7. 安装完成后的环境检查
     当以上步骤均完成后可使用命令行运行环境检查功能，自动运行 Paddle Serving 相关示例，进行环境相关配置校验。
@@ -103,9 +103,7 @@
 8. 更多帮助信息请参考：
 
 
-
-
 **第二种安装方式：使用源代码编译安装**
 
 - 如果您只是使用 PaddleServing ，建议使用 **pip** 安装即可。
-- 如果您有开发 PaddleServing 的需求，请参考：[从源码编译]
\ No newline at end of file
+- 如果您有开发 PaddleServing 的需求，请参考 [从源码编译]()
\ No newline at end of file