删除m55库，完善md文档

components/ai/tflite_micro/readme.md

@@ -2,7 +2,7 @@
 
 ## 1.组件介绍
 
-TensorFlow Lite Micro组件以下简称TFLu)是Google TensorFlow团队针对微处理器(以下简称MCU)专门设计的端侧推理框架，该推理框架主要解决在资源, 功耗, 性能等资源受限的嵌入式系统中, 部署基于Tensorflow Lite框架实现深度学习模型任务。
+TensorFlow Lite Micro 组件是 Google TensorFlow 团队针对微处理器平台专门设计的端侧推理框架，该推理框架主要解决在资源, 功耗, 性能等资源受限的嵌入式系统中, 部署基于 Tensorflow Lite 框架实现深度学习模型任务。
 
 ## 2.目录结构
 
@@ -10,21 +10,35 @@ TensorFlow Lite Micro组件以下简称TFLu)是Google TensorFlow团队针对微
 
 ```
 tflite_micro
-    ├─Source           		//放置了TensorFlow Lite Micro的全部源码
-    ├─KEIL  			//针对KEIL环境需要的适配文件
-    ├─ARM_CortexM4_lib		//针对ARM Cortex M4生成的tensorflow_lite_micro.lib库
-    ├─ARM_CortexM7_lib		//针对ARM Cortex M7生成的tensorflow_lite_micro.lib库
-    ├─ARM_CortexM55_lib		//针对ARM Cortex M55生成的tensorflow_lite_micro.lib库
+    ├─Source           		//放置了 TensorFlow Lite Micro 的全部源码
+    ├─KEIL  			//针对 KEIL 环境需要的适配文件
+    ├─ARM_CortexM4_lib		//针对 ARM Cortex M4 生成的 tensorflow_lite_micro.lib 库
+    ├─ARM_CortexM7_lib		//针对 ARM Cortex M7 生成的 tensorflow_lite_micro.lib 库
     ├─LICENSE	
     ├─readme.md				
     └─TFlite_Micro_Component_User_Guide.md //本组件使用指南
     
 ```
 
-其中，KEIL文件夹中放置了针对KEIL编程环境需要额外添加的源文件，如果使用的是KEIL编程环境则需要将其中的源文件一同加入工程。
+其中，KEIL 文件夹中放置了针对 KEIL 编程环境需要额外添加的源文件，如果使用的是 KEIL 编程环境则需要将其中的源文件一同加入工程。
 
-ARM_CortexM4_lib文件夹、ARM_CortexM55_lib和ARM_CortexM7_lib文件夹中分别放置了针对ARM Cortex M4、ARM Cortex M55和ARM Cortex M7内核生成的tensorflow_lite_micro.lib库，如果使用的芯片中采用了对应系列的内核可以直接将其中的tensorflow_lite_micro.lib库加入工程，并包含相关的头文件，就可以方便的集成Tensorflow Lite Micro工具。
+ARM_CortexM4_lib 和 ARM_CortexM7_lib 两个文件夹中存放了针对 Cortex M4、M7 平台预先优化、编译好的 tensorflow_lite_micro.lib 库，优化后的性能数据可以参考附录部分；这样做的目的是：如果在开发过程中使用了 ARM Cortex M4 或 M7 系列的芯片可以直接使用对应的 tensorflow_lite_micro.lib 库，并包含相关的头文件，可以极大的简化神经网络任务的部署流程。
 
 ## 3.移植案例
 
 参考[Neclue STM32L496RG案例](../../../board/NUCLEO_STM32L496ZG/KEIL/tflitemicro_person_detection/TFlite_Micro_Demo移植参考指南（Keil版）.md)
+
+## 4. 附录：Tensorflow Lite Micro 性能优化情况
+
+- 硬件平台：Necluo STM32L496ZG
+- 涉及的加速库：ARM CMSIS-NN
+- 测试输入图片：`tensorflow\lite\micro\tools\make\downloads\person_model_int8` 目录 `person_image_data.cc` 和 `no_person_image_data.cc` 中保存的 96 * 96 ( uint_8 ) 灰度图。
+- 单次执行和 10 次迭代的测试结果如下：
+
+|                      Case                      |   Without ARM-CMSIS-NN   |   With ARM-CMSISNN   | Improvement |
+| :--------------------------------------------: | :----------------------: | :------------------: | :---------: |
+|          Initialize_Benchmark_Runner           |     65 ticks (65 ms)     |   66 ticks (66 ms)   |      *      |
+|              Run_Single_Iteration              |  12476 ticks (12476 ms)  |  633 ticks (633 ms)  |   19.71X    |
+|   Person_Detection_Ten_Ierations_With_Person   | 124769 ticks (124769 ms) | 6324 ticks (6324 ms) |   19.73X    |
+| Person_Detection_Ten_Ierations_With_out_Person | 124770 ticks (124770 ms) | 6325 ticks (6325 ms) |   19.72X    |
+