Update general_lite_model_optimization.md

tutorials/pp-series/general_lite_model_optimization.md

@@ -175,7 +175,7 @@ Paddle 量化训练（Quant-aware Training, QAT）是指在训练过程中对模
 
 添加模型PACT训练代码与训练脚本，并且提供训练日志、模型与精度对比。
 
-**注意：**量化模型在导出为用于端侧部署的Lite模型时，才会以int8的形式保存模型，这里保存的预训练模型仍然以FP32的形式保存，因此不会小于使用fp32训练得到的模型。
+**注意：** 量化模型在导出为用于端侧部署的Lite模型时，才会以int8的形式保存模型，这里保存的预训练模型仍然以FP32的形式保存，因此不会小于使用fp32训练得到的模型。
 
 #### 2.3.3 操作步骤
 
@@ -260,7 +260,7 @@ def build_slim_model(cfg, mode='train'):
 
 ### 3.1 通用问题
 
-* 关于模型大小的定义如下：
+* 关于模型大小的定义如下：
     * 对于非量化模型，可以将训练得到的动态图模型使用`paddle.jit.save`接口，保存为静态图模型，得到模型参数文件`*.pdiparams`和结构文件`*.pdmodel`，二者的存储大小之和。
     * 对于量化后模型，可以将动转静之后的inference模型，使用paddlelite工具转化ARM端部署模型，得到的`nb`文件模型大小即为该量化模型的大小，具体转换方式请参考本文的`2.3.3`章节。
 * 关于模型速度的定义如下：