fix: paddle-lite docs url. (#6552)

docs/advanced_guide/performance_improving/inference_improving/paddle_xpu_infer_cn.md

@@ -2,7 +2,7 @@
 
 百度的昆仑芯⽚是一款⾼性能的 AI SoC 芯⽚，⽀持推理和训练。昆仑芯⽚采⽤百度的先进 AI 架构，⾮常适合常⽤的深度学习和机器学习算法的云端计算需求，并能适配诸如⾃然语⾔处理、⼤规模语⾳识别、⾃动驾驶、⼤规模推荐等多种终端场景的计算需求。
 
-Paddle Inference 集成了[Paddle-Lite 预测引擎](https://paddle-lite.readthedocs.io/zh/latest/demo_guides/baidu_xpu.html)在昆仑 xpu 上进行预测部署。
+Paddle Inference 集成了[Paddle-Lite 预测引擎](https://www.paddlepaddle.org.cn/lite/develop/demo_guides/kunlunxin_xpu.html)在昆仑 xpu 上进行预测部署。
 
 ## 编译注意事项
 

docs/guides/infer/mobile/mobile_index_cn.md

@@ -2,7 +2,7 @@
 
 Paddle-Lite 为 Paddle-Mobile 的升级版，定位支持包括手机移动端在内更多场景的轻量化高效预测，支持更广泛的硬件和平台，是一个高性能、轻量级的深度学习预测引擎。在保持和 PaddlePaddle 无缝对接外，也兼容支持其他训练框架产出的模型。
 
-完整使用文档位于 [Paddle-Lite 文档](https://paddle-lite.readthedocs.io/zh/latest/) 。
+完整使用文档位于 [Paddle-Lite 文档](https://www.paddlepaddle.org.cn/lite) 。
 
 ## 特性
 
@@ -16,7 +16,7 @@ Paddle-Lite 为 Paddle-Mobile 的升级版，定位支持包括手机移动端
 支持量化模型，结合[PaddleSlim 模型压缩工具](https://github.com/PaddlePaddle/models/tree/v1.5/PaddleSlim) 中量化功能，可以提供高精度高性能的预测能力。
 在 Huawei NPU， FPGA 上也具有有很好的性能表现。
 
-最新性能数据位于 [Benchmark 文档](https://paddle-lite.readthedocs.io/zh/latest/benchmark/benchmark.html)。
+最新性能数据位于 [Benchmark 文档](https://www.paddlepaddle.org.cn/lite/develop/performance/benchmark.html)。
 
 ### 通用性
 硬件方面，Paddle-Lite 的架构设计为多硬件兼容支持做了良好设计。除了支持 ARM CPU、Mali GPU、Adreno GPU，还特别支持了华为 NPU，以及 FPGA 等边缘设备广泛使用的硬件。即将支持支持包括寒武纪、比特大陆等 AI 芯片，未来会增加对更多硬件的支持。

docs/guides/performance_improving/quantization.md

@@ -150,13 +150,13 @@ Paddle Lite 可以在 ARM CPU 上部署 PaddleSlim 动态离线量化方法、
 
 Paddle Lite 部署量化模型的方法和常规非量化模型完全相同，主要包括使用 opt 工具进行模型优化、执行预测。
 
-Paddle Lite 的详细说明，请参考[文档](https://paddle-lite.readthedocs.io/zh/latest/index.html)。
+Paddle Lite 的详细说明，请参考[文档](https://www.paddlepaddle.org.cn/lite)。
 
-Paddle Lite 部署动态离线量化方法产出的量化模型，请参考[文档](https://paddle-lite.readthedocs.io/zh/latest/user_guides/quant_post_dynamic.html)。
+Paddle Lite 部署动态离线量化方法产出的量化模型，请参考[文档](https://www.paddlepaddle.org.cn/lite/develop/user_guides/quant/quant_post_dynamic.html)。
 
-Paddle Lite 部署静态离线量化方法产出的量化模型，请参考[文档](https://paddle-lite.readthedocs.io/zh/latest/user_guides/quant_post_static.html)。
+Paddle Lite 部署静态离线量化方法产出的量化模型，请参考[文档](https://www.paddlepaddle.org.cn/lite/develop/user_guides/quant/quant_post_static.html)。
 
-Paddle Lite 部署量化训练方法产出的量化模型，请参考[文档](https://paddle-lite.readthedocs.io/zh/latest/user_guides/quant_aware.html)。
+Paddle Lite 部署量化训练方法产出的量化模型，请参考[文档](https://www.paddlepaddle.org.cn/lite/develop/user_guides/quant_aware.html)。
 
 **模型量化前后性能对比**