Delete README.md

README.md

-# https://github.com/zhangzhengde0225/binary_distinguish_GRB_by_DL
-
-## 论文
-
-Application of Deep Learning Methods for Distinguishing Gamma-Ray Bursts from Fermi/GBM TTE Data
-- https://arxiv.org/abs/2303.00370
-
-## 模型结构
-
-卷积神经网络（CNN）架构的示意图如下。每个卷积块顶部和底部的数字分别表示卷积步幅（默认值为1）和卷积核的数量。图底部的数字描述了特征图的长度和宽度的变化。
-<div align=left>
-    <img src="./assets/architectures.png"/>
-</div>
-
-
-## 环境配置
-
-### Docker（方法一）
-    
-    docker pull image.sourcefind.cn:5000/dcu/admin/base/tensorflow:2.13.1-ubuntu20.04-dtk24.04.1-py3.10
-
-    docker run --shm-size 50g --network=host --name=binary_distinguish_GRB_by_DL --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v 项目地址(绝对路径):/home/ -v /opt/hyhal:/opt/hyhal:ro -it <your IMAGE ID> bash
-
-    pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
-
-### Dockerfile（方法二）
-
-    docker build -t <IMAGE_NAME>:<TAG> .
-
-    docker run --shm-size 50g --network=host --name=binary_distinguish_GRB_by_DL --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v 项目地址(绝对路径):/home/ -v /opt/hyhal:/opt/hyhal:ro -it <your IMAGE ID> bash
-
-    pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
-
-## 数据集
-
-```
-Binary_Distinguish_GRB_Datasetv1/data/
-└── dataset_256ms/
-    ├── test_count_map_256ms.npy
-    ├── test_info.npy
-    ├── train_count_map_256ms.npy
-    ├── train_info.npy
-    ├── validate_count_map_256ms.npy
-    └── validate_info.npy
-└── ......
-```
-
-
-## 训练
-
-```bash
-#jupter文件参考train_model.ipynb
-cd /path/your_code_data/code
-python train.py
-```
-
-注意：请根据您的需求修改choonse_time_bin、 choose_model="plain-CNN-、data_set_dir等参数
-
-## 推理
-
-```bash
-#jupter文件参考test_model.ipynb
-cd /path/your_code_data/code
-python test.py
-```
-
-## result
-
-
-### 精度
-模型信息：
-- Epoch :20
-- choose_model :ResNet-CBAM
-- choonse_time_bin :256 ms
-
-硬件：
-- DCU :K100 AI
-- GPU :A800
-
-|         |  accu | precision  | recall |  f1_score  |
-|:-------:|:------------:|:----------:|:--------:|:----------:|
-| k100 ai |   93.718257%| 97.597977% |88.684664% |  92.9281%  |
-|  A800   |   93.611334%| 98.514212% |87.593337% |  92.7334%  |
-
-### 性能
-模型信息：
-- Epoch :20
-- choose_model :ResNet-CBAM
-- choonse_time_bin :256 ms
-
-硬件：
-- DCU :K100 AI
-- GPU :A800
-
-|         |   train    |   test    | 
-|:-------:|:----------:|:---------:|
-| k100 ai | 140ms/step | 39ms/step | 
-|  A800   | 66ms/step  | 20ms/step |
-
-
-
-## 应用场景
-
-### 算法类别
-
-`AI for science`
-
-### 热点应用行业
-
-`科研,教育`
-
-## 源码仓库及问题反馈
-
-无
-
-## 参考资料
-
-* https://github.com/zhangzhengde0225/binary_distinguish_GRB_by_DL
-