[cherry-pick] fix use_gpu in deploy doc (#3905)

* fix use_gpu in deploy doc,  test=document_fix

* fix deploy doc, test=document_fix

configs/ppyolo/README.md

@@ -182,7 +182,7 @@ For inference deployment or benchmard, model exported with `tools/export_model.p
 python tools/export_model.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams
 
 # inference with Paddle Inference library
-CUDA_VISIBLE_DEVICES=0 python deploy/python/infer.py --model_dir=output_inference/ppyolo_r50vd_dcn_1x_coco --image_file=demo/000000014439_640x640.jpg --use_gpu=True
+CUDA_VISIBLE_DEVICES=0 python deploy/python/infer.py --model_dir=output_inference/ppyolo_r50vd_dcn_1x_coco --image_file=demo/000000014439_640x640.jpg --device=GPU
 ```
 
 

configs/ppyolo/README_cn.md

@@ -175,7 +175,7 @@ PP-YOLO模型部署及推理benchmark需要通过`tools/export_model.py`导出
 python tools/export_model.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams
 
 # 预测库推理
-CUDA_VISIBLE_DEVICES=0 python deploy/python/infer.py --model_dir=output_inference/ppyolo_r50vd_dcn_1x_coco --image_file=demo/000000014439_640x640.jpg --use_gpu=True
+CUDA_VISIBLE_DEVICES=0 python deploy/python/infer.py --model_dir=output_inference/ppyolo_r50vd_dcn_1x_coco --image_file=demo/000000014439_640x640.jpg --device=GPU
 ```
 
 

deploy/TENSOR_RT.md

@@ -53,7 +53,7 @@ TestReader:
 
 以`YOLOv3`为例，使用固定尺寸输入预测：
 ```
-python python/infer.py --model_dir=../inference_model/yolov3_darknet53_270e_coco/ --image_file=../demo/000000014439.jpg --use_gpu=True --run_mode=trt_fp32 --run_benchmark=True
+python python/infer.py --model_dir=./output_inference/yolov3_darknet53_270e_coco/ --image_file=./demo/000000014439.jpg --device=GPU --run_mode=trt_fp32 --run_benchmark=True
 ```
 
 ### 3.3 TensorRT动态尺寸预测
@@ -73,7 +73,7 @@ Paddle预测库关于动态尺寸输入请查看[Paddle CPP预测](https://www.p
 
 以`Faster RCNN`为例，使用动态尺寸输入预测：
 ```
-python python/infer.py --model_dir=../inference_model/faster_rcnn_r50_fpn_1x_coco/ --image_file=../demo/000000014439.jpg --use_gpu=True --run_mode=trt_fp16 --run_benchmark=True --trt_max_shape=1280 --trt_min_shape=800 --trt_opt_shape=960
+python python/infer.py --model_dir=./output_inference/faster_rcnn_r50_fpn_1x_coco/ --image_file=./demo/000000014439.jpg --device=GPU --run_mode=trt_fp16 --run_benchmark=True --trt_max_shape=1280 --trt_min_shape=800 --trt_opt_shape=960
 ```
 
 ## 4、常见问题QA

deploy/benchmark/benchmark.sh

@@ -18,7 +18,7 @@ for use_mkldnn in "True" "False"; do
 		 --model_dir=${model_dir} \
 		 --run_benchmark True \
 		 --enable_mkldnn=${use_mkldnn} \
-		 --use_gpu=False \
+		 --device=CPU \
 		 --cpu_threads=${threads} \
 		 --image_dir=${img_dir}  2>&1 | tee ${log_path}/${model_name}_cpu_usemkldnn_${use_mkldnn}_cputhreads_${threads}_bs1_infer.log
     done
@@ -29,7 +29,7 @@ for run_mode in "fluid" "trt_fp32" "trt_fp16"; do
     python deploy/python/infer.py \
 	--model_dir=${model_dir} \
 	--run_benchmark=True \
-	--use_gpu=True \
+	--device=GPU \
 	--run_mode=${run_mode} \
 	--image_dir=${img_dir}  2>&1 | tee ${log_path}/${model_name}_gpu_runmode_${run_mode}_bs1_infer.log
 done

deploy/benchmark/benchmark_quant.sh

@@ -16,7 +16,7 @@ for run_mode in "trt_int8"; do
     python deploy/python/infer.py \
 	--model_dir=${model_dir} \
 	--run_benchmark=True \
-	--use_gpu=True \
+	--device=GPU \
 	--run_mode=${run_mode} \
 	--image_dir=${img_dir}  2>&1 | tee ${log_path}/${model_name}_gpu_runmode_${run_mode}_bs1_infer.log
 done

deploy/python/README.md

@@ -21,7 +21,7 @@ PaddleDetection在训练过程包括网络的前向和优化器相关参数，
 在终端输入以下命令进行预测：
 
 ```bash
-python deploy/python/infer.py --model_dir=./inference/yolov3_mobilenet_v1_roadsign --image_file=./demo/road554.png --device=GPU
+python deploy/python/infer.py --model_dir=./output_inference/yolov3_mobilenet_v1_roadsign --image_file=./demo/road554.png --device=GPU
 ```
 
 参数说明如下:

docs/tutorials/GETTING_STARTED_cn.md

@@ -243,7 +243,7 @@ python tools/export_model.py -c configs/yolov3/yolov3_mobilenet_v1_roadsign.yml
 PaddleDetection提供了PaddleInference、PaddleServing、PaddleLite多种部署形式，支持服务端、移动端、嵌入式等多种平台，提供了完善的Python和C++部署方案。
 * 在这里，我们以Python为例，说明如何使用PaddleInference进行模型部署
 ```bash
-python deploy/python/infer.py --model_dir=./inference/yolov3_mobilenet_v1_roadsign --image_file=demo/road554.png --use_gpu=True
+python deploy/python/infer.py --model_dir=./output_inference/yolov3_mobilenet_v1_roadsign --image_file=demo/road554.png --device=GPU
 ```
 * 同时`infer.py`提供了丰富的接口，用户进行接入视频文件、摄像头进行预测，更多内容请参考[Python端预测部署](../../deploy/python.md)
 ### PaddleDetection支持的部署形式说明