更新分类网络测试readme

PyTorch/Compute-Vision/Accuracy_Validation/ResNet50/README.md

-# 介绍
-该测试用例用于ResNet50精度验证，单卡运行指令如下
+# 简介
 
-# 运行示例
+该测试用例可用于ResNet50/Vgg16等网络的性能测试及精度验证。
 
-## fp32  
-    python3 main_acc.py --batch-size=64 --arch=resnet50 -j 6 --epochs=90 --save-path=/path/to/{save_model_dir} /path/to/{ImageNet_pytorch_data_dir}/
+# 单卡测试（单精度）
 
-## fp16  
-    python3 main_acc.py --batch-size=64 --arch=resnet50 -j 6 --epochs=90 --amp --opt-level O1 --loss-scale=dynamic --save-path=/path/to/{save_model_dir} /path/to/{ImageNet_pytorch_data_dir}/
+## 运行
 
-# 参考
+```
+export HIP_VISIBLE_DEVICES=0
+python3 main_acc.py --batch-size=64 --arch=resnet50 -j 6 --epochs=90 --save-path=/path/to/{save_model_dir} /path/to/{ImageNet_pytorch_data_dir}/
+```
+
+# 单卡测试（混合精度）
+
+## 运行
+
+```
+export HIP_VISIBLE_DEVICES=0
+python3 main_acc.py --batch-size=64 --arch=resnet50 -j 6 --epochs=90 --amp --opt-level O1 --loss-scale=dynamic --save-path=/path/to/{save_model_dir} /path/to/{ImageNet_pytorch_data_dir}/
+```
+
+
+
+# 多卡测试（单精度）
 
-[https://github.com/pytorch/examples/tree/master/imagenet](https://github.com/pytorch/examples/tree/master/imagenet)
+## 运行
+
+```
+#single_process.sh与main_acc.py在同级目录下
+mpirun --allow-run-as-root --bind-to none -np 4 single_process.sh localhost resnet50 64
+```
+
+# 参数说明
+
+```
+--arch 设置要测试的网络，可以是 resnet50/vgg16/inception_v3/mobilenet_v2等
+```
+
+# inception_v3 测试说明
+
+inception_v3测试时需要修改部分代码，具体可参考https://developer.hpccube.com/tool/ → AI生态包→ 技术文档 → 基于pytorch的DCU深度学习测试示例文档。
+
+# 参考
 
+https://github.com/pytorch/examples/tree/master/imagenet
\ No newline at end of file