update inference c++ API doc (PaddlePaddle#634)

* update inference c++ API doc

* fix link

doc/fluid/advanced_usage/deploy/inference/native_infer.md

@@ -20,17 +20,20 @@ PaddleTensor 定义了预测最基本的输入输出的数据格式，常用字
 
 ## 利用Config 创建不同引擎
 
-高层 API 底层有多种优化实现，我们称之为 engine；不同 engine 的切换通过传递不同的 Config 实现重载
+高层 API 底层有多种优化实现，我们称之为 engine；不同 engine 的切换通过传递不同的 Config 实现重载。
 
-- `NativeConfig` 原生 engine，由 paddle 原生的 forward operator
-    组成，可以天然支持所有paddle 训练出的模型，
+`Config` 有两种，`NativeConfig` 较简单和稳定，`AnalysisConfig` 功能更新，性能更好
 
-- `AnalysisConfig` TensorRT mixed engine 用于 GPU
+- `NativeConfig` 原生 engine，由 paddle 原生的 forward operator
+  组成，可以天然支持所有paddle 训练出的模型，
+- `AnalysisConfig` 
+  - 支持计算图的分析和优化
+  - 支持最新的各类 op fuse，性能一般比  `NativeConfig` 要好
+  - 支持 TensorRT mixed engine 用于 GPU
     加速，用子图的方式支持了 [TensorRT] ，支持所有paddle
-    模型，并自动切割部分计算子图到 TensorRT 上加速（WIP），具体的使用方式可以参考[这里](http://paddlepaddle.org/documentation/docs/zh/1.1/user_guides/howto/inference/paddle_tensorrt_infer.html)。
-
+    模型，并自动切割部分计算子图到 TensorRT 上加速，具体的使用方式可以参考[这里](http://paddlepaddle.org/documentation/docs/zh/1.1/user_guides/howto/inference/paddle_tensorrt_infer.html)
 
-## 预测部署过程
+## 基于 NativeConfig 的预测部署过程
 
 总体上分为以下步骤
 
@@ -70,68 +73,144 @@ CHECK(predictor->Run(slots, &outputs));
 ## 高阶使用
 
 ### 输入输出的内存管理
+
 `PaddleTensor` 的 `data` 字段是一个 `PaddleBuf`，用于管理一段内存用于数据的拷贝。 
 
 `PaddleBuf` 在内存管理方面有两种模式：
 
 1. 自动分配和管理内存
-    
-    ```c++
-    int some_size = 1024;
-    PaddleTensor tensor;
-    tensor.data.Resize(some_size);
-    ```
+
+   ```c++
+   int some_size = 1024;
+   PaddleTensor tensor;
+   tensor.data.Resize(some_size);
+   ```
 
 2. 外部内存传入
-    ```c++
-    int some_size = 1024;
-    // 用户外部分配内存并保证 PaddleTensor 使用过程中，内存一直可用
-    void* memory = new char[some_size]; 
-
-    tensor.data.Reset(memory, some_size);
-    // ...
-
-    // 用户最后需要自行删除内存以避免内存泄漏
-
-    delete[] memory;
-    ```
+
+   ```c++
+   int some_size = 1024;
+   // 用户外部分配内存并保证 PaddleTensor 使用过程中，内存一直可用
+   void* memory = new char[some_size]; 
+
+   tensor.data.Reset(memory, some_size);
+   // ...
+
+   // 用户最后需要自行删除内存以避免内存泄漏
+
+   delete[] memory;
+   ```
 
 两种模式中，第一种比较方便；第二种则可以严格控制内存的管理，便于与 `tcmalloc` 等库的集成。
 
-### 基于 contrib::AnalysisConfig  提升性能
-*AnalyisConfig 目前正在预发布阶段，用 `namespace contrib` 进行了保护，后续可能会有调整*
+### 基于 AnalysisConfig  提升性能
+
+`AnalysisConfig` 是目前我们重点优化的版本。
 
-类似 `NativeConfig` ， `AnalysisConfig` 可以创建一个经过一系列优化的高性能预测引擎。 其中包含了计算图的分析和优化，以及对一些重要 Op 的融合改写等，**对使用了 While, LSTM, GRU 等模型性能有大幅提升** 。
+类似 `NativeConfig` ， `AnalysisConfig` 可以创建一个经过一系列优化的高性能预测引擎。 其中包含了计算图的分析和优化，以及对一些重要 Op 的融合改写等，比如对使用了 While, LSTM, GRU 等模型性能有大幅提升 。
 
-`AnalysisConfig` 的使用方法也和 `NativeConfig` 类似，但 *目前仅支持 CPU，正在增加对GPU 的支持*
+`AnalysisConfig` 的使用方法也和 `NativeConfig` 类似
 
 ```c++
-AnalysisConfig config;
-config.SetModel(dirname);                // 设定模型的目录
-config.EnableUseGpu(100, 0 /*gpu id*/);  // 使用GPU， CPU下使用config.DisableGpu();
-config.SwitchSpecifyInputNames(true);    // 需要指定输入的 name
-config.SwitchIrOptim();                  // 打开优化开关，运行时会执行一系列的优化
+AnalysisConfig config(dirname);  // dirname 是模型的路径
+// 对于不同的模型存储格式，也可以用 AnalysisConfig config(model_file, params_file)
+config.EnableUseGpu(100/*初始显存池大小(MB)*/, 0 /*gpu id*/);  // 使用GPU， CPU下使用config.DisableGpu();
+config.SwitchIrOptim();                  // 打开优化开关，运行时会执行一系列的计算图优化
 ```
 
 这里需要注意的是，输入的 PaddleTensor 需要指定，比如之前的例子需要修改为
 
 ```c++
-auto predictor =
-      paddle::CreatePaddlePredictor<paddle::contrib::AnalysisConfig>(config); // 注意这里需要 AnalysisConfig
+auto predictor = paddle::CreatePaddlePredictor(config); // 注意这里需要 AnalysisConfig
 // 创建输入 tensor
 int64_t data[4] = {1, 2, 3, 4};
 paddle::PaddleTensor tensor;
 tensor.shape = std::vector<int>({4, 1});
 tensor.data.Reset(data, sizeof(data));
 tensor.dtype = paddle::PaddleDType::INT64;
-tensor.name = "input0"; // 注意这里的 name 需要设定
+```
+
+后续的执行过程与 `NativeConfig` 完全一致。
+
+### 多线程预测的建议
+
+#### 数据并行的服务
+
+这种场景下，每个服务线程执行同一种模型，支持 CPU 和 GPU。
+
+Paddle 并没有相关的接口支持，但用户可以简单组合得出，下面演示最简单的实现，用户最好参考具体应用场景做调整
+
+```c++
+auto main_predictor = paddle::CreatePaddlePredictor(config);
+
+const int num_threads = 10;  // 假设有 10 个服务线程
+std::vector<std::thread> threads;
+std::vector<decl_type(main_predictor)> predictors;
+
+// 最好初始化时把所有predictor都创建好
+predictors.emplace_back(std::move(main_predictor));
+for (int i = 1; i < num_threads; i++) {
+    predictors.emplace_back(main_predictor->Clone());
+}
+// 创建线程并执行
+for (int i = 0; i < num_threads; i++) {
+    threads.emplace_back([i, &]{
+        auto& predictor = predictors[i];
+        // 执行
+        CHECK(predictor->Run(...));
+    });
+}
+
+// 结尾
+for (auto& t : threads) {
+    if (t.joinable()) t.join();
+}
+
+// 结束
+```
+
+#### 模型并行的服务
+
+这种场景，使用多个线程/CPU核加速单个模型的预测，**目前只支持 CPU下使用 MKL/MKLDNN 的情况**。
+
+使用 `AnalysisConfig` 的对应接口来设置底层科学计算库使用线程的数目，具体参考 [SetCpuMathLibraryNumThreads](https://github.com/PaddlePaddle/Paddle/blob/release/1.3/paddle/fluid/inference/api/paddle_analysis_config.h#L159)
+
+```c++
+config.SetCpuMathLibraryNumThreads(8); // 一个模型使用 8 个线程加速预测
+
+// 查询状态，可以使用如下接口
+config.cpu_math_library_num_threads(); // return an int
 ```
 
 ### 性能建议
+
 1. 在 CPU型号允许的情况下，尽量使用带 AVX 和 MKL 的版本
 2. 复用输入和输出的 `PaddleTensor` 以避免频繁分配内存拉低性能
 3. CPU或GPU预测，可以尝试把 `NativeConfig` 改成成 `AnalysisConfig` 来进行优化
 
+#### CPU下可以尝试使用 Intel 的  `MKLDNN` 加速
+
+MKLDNN 对 `CNN` 类的模型预测有不错的加速效果，可以尝试对比与 `MKLML` 的性能。
+
+使用方法：
+
+```c++
+// AnalysisConfig config(...);
+config.EnableMKLDNN();
+// 查看 mkldnn 是否已经打开，可以用如下代码
+config.mkldnn_enabled();  // return a bool
+```
+
+#### GPU 下可以尝试打开 `TensorRT` 子图加速引擎
+
+通过计算图分析，Paddle 可以自动将计算图中部分子图切割，并调用 NVidia 的 `TensorRT` 来进行加速。
+
+详细内容可以参考 [TensorRT 子图引擎](./paddle_tensorrt_infer.html)
+
 ## 详细代码参考
 
+`AnalysisConfig` 完整接口可以参考 [这里](https://github.com/PaddlePaddle/Paddle/blob/release/1.3/paddle/fluid/inference/api/paddle_analysis_config.h#L35)
+
 [inference demos](https://github.com/PaddlePaddle/Paddle/tree/develop/paddle/fluid/inference/api/demo_ci)
+
+