!20366 modify urls related docs repository for master_mindspore_4

Merge pull request !20366 from lvmingfu/code_docs_master4
2021-07-16 02:25:01 +00:00 · 2021-07-16 02:25:01 +00:00 · 61fbff6ab2
parent abb2428bb6 0f4113e35e
commit 61fbff6ab2
11 changed files with 26 additions and 26 deletions
--- a/mindspore/lite/README.md
+++ b/mindspore/lite/README.md
@ -6,7 +6,7 @@ MindSpore lite is a high-performance, lightweight open source reasoning framewor

 <img src="../../docs/MindSpore-Lite-architecture.png" alt="MindSpore Lite Architecture" width="600"/>

-For more details please check out our [MindSpore Lite Architecture Guide](https://www.mindspore.cn/tutorial/lite/en/master/architecture_lite.html).
+For more details please check out our [MindSpore Lite Architecture Guide](https://www.mindspore.cn/lite/docs/en/master/architecture_lite.html).

 ### MindSpore Lite features

@ -41,7 +41,7 @@ For more details please check out our [MindSpore Lite Architecture Guide](https:

 2. Model converter and optimization

-   If you use MindSpore or a third-party model, you need to use [MindSpore Lite Model Converter Tool](https://www.mindspore.cn/tutorial/lite/en/master/use/converter_tool.html) to convert the model into MindSpore Lite model. The MindSpore Lite model converter tool provides the converter of TensorFlow Lite, Caffe, ONNX to MindSpore Lite model, fusion and quantization could be introduced during convert procedure.
+   If you use MindSpore or a third-party model, you need to use [MindSpore Lite Model Converter Tool](https://www.mindspore.cn/lite/docs/en/master/use/converter_tool.html) to convert the model into MindSpore Lite model. The MindSpore Lite model converter tool provides the converter of TensorFlow Lite, Caffe, ONNX to MindSpore Lite model, fusion and quantization could be introduced during convert procedure.

   MindSpore also provides a tool to convert models running on IoT devices .

@ -51,7 +51,7 @@ For more details please check out our [MindSpore Lite Architecture Guide](https:

 4. Inference

-   Load the model and perform inference. [Inference](https://www.mindspore.cn/tutorial/lite/en/master/use/runtime.html) is the process of running input data through the model to get output.
+   Load the model and perform inference. [Inference](https://www.mindspore.cn/lite/docs/en/master/use/runtime.html) is the process of running input data through the model to get output.

   MindSpore provides pre-trained model that can be deployed on mobile device [example](https://www.mindspore.cn/lite/examples/en).

--- a/mindspore/lite/README_CN.md
+++ b/mindspore/lite/README_CN.md
@ -7,7 +7,7 @@ MindSpore Lite是MindSpore推出的端云协同的、轻量化、高性能AI推

 <img src="../../docs/MindSpore-Lite-architecture.png" alt="MindSpore Lite Architecture" width="600"/>

-欲了解更多详情，请查看我们的[MindSpore Lite 总体架构](https://www.mindspore.cn/tutorial/lite/zh-CN/master/architecture_lite.html)。
+欲了解更多详情，请查看我们的[MindSpore Lite 总体架构](https://www.mindspore.cn/lite/docs/zh-CN/master/architecture_lite.html)。

 ## MindSpore Lite技术特点

@ -47,7 +47,7 @@ MindSpore Lite是MindSpore推出的端云协同的、轻量化、高性能AI推

 2. 模型转换/优化

-   如果您使用MindSpore或第三方训练的模型，需要使用[MindSpore Lite模型转换工具](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/converter_tool.html)转换成MindSpore Lite模型格式。MindSpore Lite模型转换工具不仅提供了将TensorFlow Lite、Caffe、ONNX等模型格式转换为MindSpore Lite模型格式，还提供了算子融合、量化等功能。
+   如果您使用MindSpore或第三方训练的模型，需要使用[MindSpore Lite模型转换工具](https://www.mindspore.cn/lite/docs/zh-CN/master/use/converter_tool.html)转换成MindSpore Lite模型格式。MindSpore Lite模型转换工具不仅提供了将TensorFlow Lite、Caffe、ONNX等模型格式转换为MindSpore Lite模型格式，还提供了算子融合、量化等功能。

   MindSpore还提供了将IoT设备上运行的模型转换成.C代码的生成工具。

@ -59,7 +59,7 @@ MindSpore Lite是MindSpore推出的端云协同的、轻量化、高性能AI推

 4. 模型推理

-   主要完成模型推理工作，即加载模型，完成模型相关的所有计算。[推理](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/runtime.html)是通过模型运行输入数据，获取预测的过程。
+   主要完成模型推理工作，即加载模型，完成模型相关的所有计算。[推理](https://www.mindspore.cn/lite/docs/zh-CN/master/use/runtime.html)是通过模型运行输入数据，获取预测的过程。

   MindSpore提供了预训练模型部署在智能终端的[样例](https://www.mindspore.cn/lite/examples)。

--- a/mindspore/lite/examples/runtime_cpp/README.md
+++ b/mindspore/lite/examples/runtime_cpp/README.md
@ -16,7 +16,7 @@
  bash build.sh
  ```

-  > 若MindSpore Lite推理框架下载失败，请手动下载硬件平台为CPU，操作系统为Ubuntu-x64的[MindSpore Lite 模型推理框架](https://www.mindspore.cn/tutorial/lite/zh-CN/r1.1/use/downloads.html)，解压后将其拷贝对应到`mindspore/lite/examples/runtime_cpp/lib`目录。
+  > 若MindSpore Lite推理框架下载失败，请手动下载硬件平台为CPU，操作系统为Ubuntu-x64的[MindSpore Lite 模型推理框架](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)，解压后将其拷贝对应到`mindspore/lite/examples/runtime_cpp/lib`目录。
  >
  > 若mobilenetv2模型下载失败，请手动下载相关模型文件[mobilenetv2](https://download.mindspore.cn/model_zoo/official/lite/mobilenetv2_openimage_lite/mobilenetv2.ms)，并将其拷贝到`mindspore/lite/examples/runtime_cpp/model`目录。

--- a/mindspore/lite/examples/train_lenet/README.md
+++ b/mindspore/lite/examples/train_lenet/README.md
@ -46,8 +46,8 @@ mnist/
 - Server side
    - [MindSpore Framework](https://www.mindspore.cn/install/en): it is recommended to install a docker image
    - MindSpore ToD Framework
-        - [Downloads](https://www.mindspore.cn/tutorial/lite/en/master/use/downloads.html)
-        - [Build](https://www.mindspore.cn/tutorial/lite/en/master/use/build.html)
+        - [Downloads](https://www.mindspore.cn/lite/docs/en/master/use/downloads.html)
+        - [Build](https://www.mindspore.cn/lite/docs/en/master/use/build.html)
    - [Android NDK r20b](https://dl.google.com/android/repository/android-ndk-r20b-linux-x86_64.zip)
    - [Android SDK](https://developer.android.com/studio?hl=zh-cn#cmdline-tools)
 - A connected Android device
--- a/mindspore/lite/examples/train_lenet/README_CN.md
+++ b/mindspore/lite/examples/train_lenet/README_CN.md
@ -45,8 +45,8 @@ mnist/

 - 服务器或个人笔记本
    - [MindSpore Framework](https://www.mindspore.cn/install): 建议使用Docker安装
-    - [MindSpore ToD Download](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/downloads.html)
-    - [MindSpore ToD Build](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/build.html)
+    - [MindSpore ToD Download](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)
+    - [MindSpore ToD Build](https://www.mindspore.cn/lite/docs/zh-CN/master/use/build.html)
    - [Android NDK r20b](https://dl.google.com/android/repository/android-ndk-r20b-linux-x86_64.zip)
    - [Android SDK](https://developer.android.com/studio?hl=zh-cn#cmdline-tools)
 - Android移动设备
--- a/mindspore/lite/examples/transfer_learning/README.md
+++ b/mindspore/lite/examples/transfer_learning/README.md
@ -48,8 +48,8 @@ places
 - Server side
    - [MindSpore Framework](https://www.mindspore.cn/install/en) - it is recommended to install a docker image
    - MindSpore ToD Framework
-        - [Downloads](https://www.mindspore.cn/tutorial/lite/en/master/use/downloads.html)
-        - [Build](https://www.mindspore.cn/tutorial/lite/en/master/use/build.html)
+        - [Downloads](https://www.mindspore.cn/lite/docs/en/master/use/downloads.html)
+        - [Build](https://www.mindspore.cn/lite/docs/en/master/use/build.html)
    - [Android NDK r20b](https://dl.google.com/android/repository/android-ndk-r20b-linux-x86_64.zip)
    - [Android SDK](https://developer.android.com/studio?hl=zh-cn#cmdline-tools)
    - [ImageMagick convert tool](https://imagemagick.org/)
--- a/mindspore/lite/examples/transfer_learning/README_CN.md
+++ b/mindspore/lite/examples/transfer_learning/README_CN.md
@ -47,8 +47,8 @@ places

 - 服务端
    - [MindSpore Framework](https://www.mindspore.cn/install/en) - 建议使用安装docker环境
-    - [MindSpore ToD Download](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/downloads.html)
-    - [MindSpore ToD Build](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/build.html)
+    - [MindSpore ToD Download](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)
+    - [MindSpore ToD Build](https://www.mindspore.cn/lite/docs/zh-CN/master/use/build.html)
    - [Android NDK r20b](https://dl.google.com/android/repository/android-ndk-r20b-linux-x86_64.zip)
    - [Android SDK](https://developer.android.com/studio?hl=zh-cn#cmdline-tools)
    - [ImageMagick convert tool](https://imagemagick.org/)
--- a/mindspore/lite/examples/unified_api/README.md
+++ b/mindspore/lite/examples/unified_api/README.md
@ -46,8 +46,8 @@ mnist/
 - Server side
    - [MindSpore Framework](https://www.mindspore.cn/install/en): it is recommended to install a docker image
    - MindSpore ToD Framework
-        - [Downloads](https://www.mindspore.cn/tutorial/lite/en/master/use/downloads.html)
-        - [Build](https://www.mindspore.cn/tutorial/lite/en/master/use/build.html)
+        - [Downloads](https://www.mindspore.cn/lite/docs/en/master/use/downloads.html)
+        - [Build](https://www.mindspore.cn/lite/docs/en/master/use/build.html)
    - [Android NDK r20b](https://dl.google.com/android/repository/android-ndk-r20b-linux-x86_64.zip)
    - [Android SDK](https://developer.android.com/studio?hl=zh-cn#cmdline-tools)
 - A connected Android device
--- a/mindspore/lite/examples/unified_api/README_CN.md
+++ b/mindspore/lite/examples/unified_api/README_CN.md
@ -45,8 +45,8 @@ mnist/

 - 服务器或个人笔记本
    - [MindSpore Framework](https://www.mindspore.cn/install): 建议使用Docker安装
-    - [MindSpore ToD Download](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/downloads.html)
-    - [MindSpore ToD Build](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/build.html)
+    - [MindSpore ToD Download](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)
+    - [MindSpore ToD Build](https://www.mindspore.cn/lite/docs/zh-CN/master/use/build.html)
    - [Android NDK r20b](https://dl.google.com/android/repository/android-ndk-r20b-linux-x86_64.zip)
    - [Android SDK](https://developer.android.com/studio?hl=zh-cn#cmdline-tools)
 - Android移动设备
--- a/mindspore/lite/micro/example/mnist_x86/README.md
+++ b/mindspore/lite/micro/example/mnist_x86/README.md
@ -47,7 +47,7 @@ name: Softmax-7, DataType: 43, Size: 40, Shape: [1 10], Data:

 ## 详细步骤

-在编译此工程之前需要预先获取Ubuntu-x64 CPU平台的[Release包](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/downloads.html)，解压后得到`mindspore-lite-{version}-linux-x64`，将其拷贝到当前目录下。
+在编译此工程之前需要预先获取Ubuntu-x64 CPU平台的[Release包](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)，解压后得到`mindspore-lite-{version}-linux-x64`，将其拷贝到当前目录下。

 > `{version}`为版本号字符串，如`1.2.0`。

@ -79,7 +79,7 @@ name: Softmax-7, DataType: 43, Size: 40, Shape: [1 10], Data:
 ```

 codegen在当前目录下将生成mnist目录，其中包含了可编译构建的mnist分类模型的代码。
-> 关于codegen的更多使用命令说明，可参见[codegen使用说明](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/micro.html#id4)。
+> 关于codegen的更多使用命令说明，可参见[codegen使用说明](https://www.mindspore.cn/lite/docs/zh-CN/master/use/micro.html#id4)。

 ### 部署应用

@ -265,4 +265,4 @@ codegen在当前目录下将生成mnist目录，其中包含了可编译构建

 ### [Android平台编译部署](https://gitee.com/mindspore/mindspore/blob/master/mindspore/lite/micro/example/mobilenetv2/README.md#)

-### [Arm&nbsp;Cortex-M平台编译部署](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/micro.html)
+### [Arm&nbsp;Cortex-M平台编译部署](https://www.mindspore.cn/lite/docs/zh-CN/master/use/micro.html)
--- a/mindspore/lite/micro/example/mobilenetv2/README.md
+++ b/mindspore/lite/micro/example/mobilenetv2/README.md
@ -16,7 +16,7 @@

 ## Android编译部署

-本教程以MobileNetv2在安卓手机编译部署为例，使用用户快速了解codegen在安卓平台生成代码、工程构建以及部署的一系列流程。关于converter、codegen的获取以及详细参数介绍可参考mindspore的[编译构建介绍](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/build.html)。
+本教程以MobileNetv2在安卓手机编译部署为例，使用用户快速了解codegen在安卓平台生成代码、工程构建以及部署的一系列流程。关于converter、codegen的获取以及详细参数介绍可参考mindspore的[编译构建介绍](https://www.mindspore.cn/lite/docs/zh-CN/master/use/build.html)。

 ### 编译依赖

@ -42,7 +42,7 @@ codegen编译[MobileNetv2模型](https://download.mindspore.cn/model_zoo/officia
 ./codegen --codePath=. --modelPath=mobilenetv2.ms --target=ARM64
 ```

-关于codegen的更多使用命令说明，可参见[codegen工具的详细介绍](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/downloads.html)
+关于codegen的更多使用命令说明，可参见[codegen工具的详细介绍](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)

 #### 生成代码工程说明

@ -53,7 +53,7 @@ codegen编译[MobileNetv2模型](https://download.mindspore.cn/model_zoo/officia

 ##### 算子静态库目录说明

-在编译此工程之前需要预先获取安卓平台对应的[Release包](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/downloads.html)。
+在编译此工程之前需要预先获取安卓平台对应的[Release包](https://www.mindspore.cn/lite/docs/zh-CN/master/use/downloads.html)。

 安卓平台对应的Release包的目录如下:

@ -144,6 +144,6 @@ name: Softmax-65, ,DataType: 43, Size: 4004, Shape:1 1001, Data:

 ## 更多详情

-### [Linux_x86_64编译部署](https://www.mindspore.cn/tutorial/lite/zh-CN/master/use/micro.html)
+### [Linux_x86_64编译部署](https://www.mindspore.cn/lite/docs/zh-CN/master/use/micro.html)

 ### [STM32F746编译部署](https://gitee.com/mindspore/mindspore/tree/master/mindspore/lite/micro/example/mnist_stm32f746)