Update Keras/keras-cv/README.md

Keras/keras-cv/README.md

+# **Keras-cv**
+## 1.Introduction：
+相关环境配置及代码位置
 
-Introduction：
-            
-Keras-CV源码及训练代码示例，TensorFlow版本为2.9，python版本支持3.7、3.8、3.9.
+```
+Keras-CV源码及训练代码示例，DTK版本为22.04。TensorFlow版本为2.9，python版本支持3.7、3.8、3.9.
 支持的网络有 ResNet101、ResNet50V2、RegNetX064、DarkNet53、DenseNet121、EfficientNetV2S
 网络模型代码位于keras-cv/models.训练代码basic_training.py位于examples/training/classification/imagenet/
 使用tfrecord格式的Imagenet数据集.相关网络的训练情况及参数设置位于examples/training/classification/imagenet/
 rain_history.json
+```
+## 2.Install
 
-Install
+目前keras-cv模型版本支持最低要求TF2.9+
 
+```
 安装DTK版本的TensorFlow2.9 pip install tensorflow-2.9.0+git28e158bd.dtk22042-cp37-cp37m-linux_x86_64.whl
 执行python setup.py build
    python setup.py install
-       
-Train   
-训练脚本位于examples/training/classification/imagenet/trian_keras_cv.sh 注意basic_training.py中的分布式设置为
-默认使用所有检测到的加速卡设备，若要指定几张加速卡参与训练使用export HIP_VISIBLE_DEVICES=x1，x2，x3来指定.
+```    
+
+## 3.Train 
+
\ No newline at end of file
+训练脚本位于keras-cv/examples/training/classification/imagenet/trian_keras_cv.sh 注意basic_training.py中的分布式设置为
+默认使用所有检测到的加速卡设备，若要指定几张加速卡参与训练使用export HIP_VISIBLE_DEVICES=x1，x2，x3来指定.
+
+``` 
+以乌镇平台为例，
+1 数据准备
+乌镇平台tfrecord格式的ImageNet数据集位置为/public/DL_DATA/imagenet_tfrecord/trrecord
+2 创建虚拟环境
+这里以anaconda3创建虚拟环境为例，
+conda create -n tf2.9-keras python==3.7.0,  创建名为tf2.9-keras的虚拟环境，python版本为3.7.0
+conda info --envs，  查看已经创建的虚拟环境
+conda activate tf2.9-keras， 激活虚拟环境
+下载tensorflow-2.9.0+git28e158bd.dtk22042-cp37-cp37m-linux_x86_64.whl安装包，pip install ... 安装dtk22.04版本的TensorFlow2.9
+ 其余所需的三方包与版本为
+ Package                      Version
+---------------------------- --------------------------
+absl-py                      1.3.0
+astunparse                   1.6.3
+cachetools                   5.2.0
+certifi                      2022.9.24
+charset-normalizer           2.1.1
+cycler                       0.11.0
+dill                         0.3.6
+etils                        0.9.0
+flatbuffers                  1.12
+fonttools                    4.38.0
+gast                         0.4.0
+google-auth                  2.13.0
+google-auth-oauthlib         0.4.6
+google-pasta                 0.2.0
+googleapis-common-protos     1.57.0
+grpcio                       1.50.0
+h5py                         3.7.0
+idna                         3.4
+importlib-metadata           5.0.0
+importlib-resources          5.10.0
+keras                        2.9.0
+keras-cv                     0.3.4
+keras-nlp                    0.4.0
+Keras-Preprocessing          1.1.2
+kiwisolver                   1.4.4
+libclang                     14.0.6
+Markdown                     3.4.1
+MarkupSafe                   2.1.1
+matplotlib                   3.5.3
+numpy                        1.21.6
+oauthlib                     3.2.2
+opt-einsum                   3.3.0
+packaging                    21.3
+Pillow                       9.3.0
+pip                          22.2.2
+promise                      2.3
+protobuf                     3.19.6
+pyasn1                       0.4.8
+pyasn1-modules               0.2.8
+pycocotools                  2.0.6
+pyparsing                    3.0.9
+python-dateutil              2.8.2
+regex                        2022.9.13
+requests                     2.28.1
+requests-oauthlib            1.3.1
+rsa                          4.9
+setuptools                   63.4.1
+six                          1.16.0
+tensorboard                  2.9.1
+tensorboard-data-server      0.6.1
+tensorboard-plugin-wit       1.8.1
+tensorflow                   2.9.0+git28e158bd.dtk22042
+tensorflow-datasets          4.7.0
+tensorflow-estimator         2.9.0
+tensorflow-hub               0.12.0
+tensorflow-io-gcs-filesystem 0.27.0
+tensorflow-metadata          1.11.0
+tensorflow-text              2.9.0
+termcolor                    2.0.1
+toml                         0.10.2
+tqdm                         4.64.1
+typing_extensions            4.4.0
+urllib3                      1.26.12
+Werkzeug                     2.2.2
+wheel                        0.37.1
+wrapt                        1.14.1
+zipp                         3.10.0
+
+环境配置完毕后，cd cd keras-cv/examples/training/classification/imagenet/, 进入训练脚本与训练代码所在位置
+ln -s /public/DL_DATA/imagenet_tfrecord/trrecord imagenet, 创建数据集软链接
+训练脚本为train_keras_cv.sh
+训练脚本中的参数解释
+--model_name ：所训练的模型名称，所支持的网络名称位于keras-cv/keras_cv/models/__init__.py，注意目前经过DTK22.04训练验证的网络有ResNet101、ResNet50V2、RegNetX064、DarkNet53、DenseNet121、EfficientNetV2S，其余网络尚未训练验证。
+--imagenet_path ：数据集路径
+--backup_path ：模型更新路径
+--weights_path ：模型存储路径 注意：不要将该路径与--backup_path设置为同一个
+--tensorboard_path ： tensorboard日志存储路径
+--use_xla=False ：是否使用xla，当前版本使用xla存在错误，设置为False
+--initial_learning_rate ： 起始学习率
+--learning_rate_schedule ：学习率使用策略
+--batch_size ：batch_size设置
+--epochs ：训练迭代多少次
+
+注意：进行断点续训时，第一个Epoch之后，训练日志输出的每个Epoch的step数量存在出入，可忽略，因为实际训练中每个Epoch的训练的step数量是不变的。此外已经经过训练验证的相关网络的数据记录在keras/examples/training/classification/imagenet/train_history.json文件中
+
+``` 
+