optimize doc

deploy/lite/readme.md

-# PaddleOCR 移动端部署
+# PaddleOCR 模型部署
 
-本教程介绍如何在移动端部署PaddleOCR超轻量中文检测、识别模型。
-
-## 运行准备
-- 电脑（编译Paddle-Lite）
-- 安卓手机（armv7或armv8）
+PaddleOCR是集训练、预测、部署于一体的实用OCR工具库。本教程将介绍在安卓移动端部署PaddleOCR超轻量中文检测、识别模型的主要流程。
 
 
 ## 1. 准备环境
 
+### 运行准备
+- 电脑（编译Paddle-Lite）
+- 安卓手机（armv7或armv8）
+
 ### 1.1 准备交叉编译环境
-交叉编译环境用于编译Paddle-Lite和PaddleOCR的C++ demo。
+交叉编译环境用于编译[Paddle-Lite](https://github.com/PaddlePaddle/Paddle-Lite)和PaddleOCR的C++ demo。
 支持多种开发环境，不同开发环境的编译流程请参考对应文档。：
 1. [Docker](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#docker)
 2. [Linux](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#android)
 3. [MAC OS](https://paddle-lite.readthedocs.io/zh/latest/user_guides/source_compile.html#id13)
 4. [Windows](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/x86.html#windows)
 
-
 ### 1.2 准备预编译库
 
 预编译库有两种获取方式：
 - 1. 直接下载，下载[链接](https://paddle-lite.readthedocs.io/zh/latest/user_guides/release_lib.html#android-toolchain-gcc).
-    注意选择with_extra=ON，with_cv=ON的下载链接。
+    注意选择`with_extra=ON，with_cv=ON`的下载链接。
 - 2. 编译Paddle-Lite得到，Paddle-Lite的编译方式如下：
 ```
 git clone https://github.com/PaddlePaddle/Paddle-Lite.git
@@ -30,12 +29,12 @@ cd Paddle-Lite
 ./lite/tools/build_android.sh  --arch=armv8  --with_cv=ON --with_extra=ON
 ```
 
-注意：编译Paddle-Lite获得预编译库时，需要打开--with_cv=ON --with_extra=ON两个选项，--arch表示arm版本，这里指定为armv8，
+注意：编译Paddle-Lite获得预编译库时，需要打开`--with_cv=ON --with_extra=ON`两个选项，`--arch`表示`arm`版本，这里指定为armv8，
 更多编译命令
 介绍请参考[链接](https://paddle-lite.readthedocs.io/zh/latest/user_guides/Compile/Android.html#id2)。
 
-直接下载预编译库并解压后，可以得到'inference_lite_lib.android.armv8/'文件夹，通过编译Paddle-Lite得到的预编译库位于
-'Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/'文件夹下。
+直接下载预编译库并解压后，可以得到`inference_lite_lib.android.armv8/`文件夹，通过编译Paddle-Lite得到的预编译库位于
+`Paddle-Lite/build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/`文件夹下。
 预编译库的文件目录如下：
 ```
 inference_lite_lib.android.armv8/
@@ -66,26 +65,36 @@ inference_lite_lib.android.armv8/
 
 ### 2.1 模型优化
 
-Paddle-Lite 提供了多种策略来自动优化原始的模型，其中包括量化、子图融合、混合调度、Kernel优选等方法，使用Paddle_lite的opt工具可以自动
-对模inference型进行优化，优化后的模型更轻量，模型运行速度更快。
+Paddle-Lite 提供了多种策略来自动优化原始的模型，其中包括量化、子图融合、混合调度、Kernel优选等方法，使用Paddle-lite的opt工具可以自动
+对inference模型进行优化，优化后的模型更轻量，模型运行速度更快。
+
+下述表格中提供了优化好的超轻量中文模型：
+
+|模型简介|检测模型|识别模型|
+|-|-|-|
+|超轻量级中文OCR opt优化模型|[下载地址](https://paddleocr.bj.bcebos.com/deploy/lite/ch_det_mv3_db_opt.nb)|[下载地址](https://paddleocr.bj.bcebos.com/deploy/lite/ch_rec_mv3_crnn_opt.nb)|
+
+如果直接使用上述表格中的模型进行部署，可略过下述步骤，直接阅读 [2.2节](###2.2与手机联调)。
+
+如果要部署的模型不在上述表格中，则需要按照如下步骤获得优化后的模型。
 
-模型优化需要使用Paddle-Lite的opt可执行文件，可以通过编译Paddle-Lite源码获得，编译步骤如下：
+模型优化需要Paddle-Lite的opt可执行文件，可以通过编译Paddle-Lite源码获得，编译步骤如下：
 ```
-# 如果准备环境中已经clone了Paddle-Lite，则不用重新clone Paddle-Lite
+# 如果准备环境时已经clone了Paddle-Lite，则不用重新clone Paddle-Lite
 git clone https://github.com/PaddlePaddle/Paddle-Lite.git
 cd Paddle-Lite
 # 启动编译
 ./lite/tools/build.sh build_optimize_tool
 ```
 
-编译完成后，opt文件位于'build.opt/lite/api/'下，可通过如下方式查看opt的运行选项和使用方式；
+编译完成后，opt文件位于`build.opt/lite/api/`下，可通过如下方式查看opt的运行选项和使用方式；
 ```
 cd build.opt/lite/api/
 ./opt
 ```
 
 |选项|说明|
-|:-:|:-:|
+|-|-|
 |--model_dir|待优化的PaddlePaddle模型（非combined形式）的路径|
 |--model_file|待优化的PaddlePaddle模型（combined形式）的网络结构文件路径|
 |--param_file|待优化的PaddlePaddle模型（combined形式）的权重文件路径|
@@ -110,22 +119,23 @@ wget  https://paddleocr.bj.bcebos.com/ch_models/ch_rec_mv3_crnn_infer.tar && tar
 ./opt --model_file=./ch_rec_mv3_crnn/model --param_file=./ch_rec_mv3_crnn/params --optimize_out_type=naive_buffer --optimize_out=./ch_rec_mv3_crnn_opt --valid_targets=arm
 ```
 
-转换成功后，当前目录下会多出ch_det_mv3_db_opt.nb, ch_rec_mv3_crnn_opt.nb结尾的文件，即是转换成功的模型文件。
+转换成功后，当前目录下会多出`ch_det_mv3_db_opt.nb`, `ch_rec_mv3_crnn_opt.nb`结尾的文件，即是转换成功的模型文件。
 
+注意：使用paddle-lite部署时，需要使用opt工具优化后的模型。 opt 转换的输入模型是paddle保存的inference模型
 
 ### 2.2 与手机联调
 
 首先需要进行一些准备工作。
  1. 准备一台arm8的安卓手机，如果编译的预测库和opt文件是armv7，则需要arm7的手机。
  2. 打开手机的USB调试选项，选择文件传输模式，连接电脑
- 3. 电脑上安装adb工具，用于调试。在电脑终端中输入'adb devices'，如果有类似以下输出，则表示安装成功。
+ 3. 电脑上安装adb工具，用于调试。在电脑终端中输入`adb devices`，如果有类似以下输出，则表示安装成功。
 ```
     List of devices attached
     744be294    device
 ```
 
- 4. 准备预测库、模型和预测文件，在预测库inference_lite_lib.android.armv8/demo/cxx/下新建一个ocr/文件夹，并将转换后的nb模型、
- PaddleOCR repo中PaddleOCR/deploy/lite/ 下的所有文件放在新建的ocr文件夹下。执行完成后，ocr文件夹下将有如下文件格式：
+ 4. 准备预测库、模型和预测文件，在预测库`inference_lite_lib.android.armv8/demo/cxx/`下新建一个`ocr/`文件夹，并将转换后的nb模型、
+ PaddleOCR repo中`PaddleOCR/deploy/lite/` 下的所有文件放在新建的ocr文件夹下。执行完成后，ocr文件夹下将有如下文件格式：
 
 ```
 demo/cxx/ocr/
@@ -149,8 +159,8 @@ demo/cxx/ocr/
  # 将编译的可执行文件移动到debug文件夹中
  mv ocr_db_crnn ./debug/
  ```
- 准备测试图像，以PaddleOCR/doc/imgs/12.jpg为例，将测试的图像复制到demo/cxx/ocr/debug/文件夹下。
- 准备字典文件，将PaddleOCR/ppocr/utils/ppocr_keys_v1.txt复制到demo/cxx/ocr/debug/文件夹下。
+ 准备测试图像，以`PaddleOCR/doc/imgs/12.jpg`为例，将测试的图像复制到`demo/cxx/ocr/debug/`文件夹下。
+ 准备字典文件，将`PaddleOCR/ppocr/utils/ppocr_keys_v1.txt`复制到`demo/cxx/ocr/debug/`文件夹下。
  上述步骤完成后就可以使用adb将文件push到手机上运行，步骤如下：
  ```
  adb push debug /data/local/tmp/