Update icon.png, requirements.txt, model.properties, README.md files

README.md

@@ -23,7 +23,7 @@ ArcFace训练流程：
 ### Docker（方法一）
 从[光源](https://www.sourcefind.cn/#/service-list)中拉取docker镜像：
 ```
-docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk23.10-py310
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.2-py3.10
 ```
 创建容器并挂载目录进行开发：
 ```
@@ -50,10 +50,10 @@ conda activate arcface
 
 关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
 ```
-DTK驱动：dtk23.10
+DTK驱动：dtk24.04.2
 python：python3.10
-pytorch:1.13.1
-torchvision:0.14.1
+pytorch:2.1.0
+torchvision:0.16.0
 ```
 安装其他依赖包
 ```
@@ -62,7 +62,7 @@ pip install -r requirements.txt
 ## 数据集
 `MS1MV2\IJBC`
 
-- 训练集[faces_emore.zip](https://pan.baidu.com/s/1S6LJZGdqcZRle1vlcMzHOQ)，
+- 训练集[faces_emore.zip](https://pan.baidu.com/s/1S6LJZGdqcZRle1vlcMzHOQ)，SCNet下载链接[faces_emore.zip](http://113.200.138.88:18080/aidatasets/project-dependency/arcface_pytorch)  
 下载后解压到当前目录  
 数据目录结构如下：
 ```
@@ -78,16 +78,16 @@ pip install -r requirements.txt
     |   train.rec
     |   vgg2_fp.bin
 ```
-- 测试集[IJBC.zip](https://pan.baidu.com/s/1Ok4sqTO8vqAE_kG3zV1rqw?pwd=1234)  
+- 测试集[IJBC.zip](https://pan.baidu.com/s/1Ok4sqTO8vqAE_kG3zV1rqw?pwd=1234),   
 解压分卷压缩文件：
 ```
 # 将所有的分卷压缩文件放在一个文件夹中
 zip -s 0 IJBC.zip --out IJBC_ALL.zip
 unzip IJBC_ALL.zip
 ```
-
+SCNet下载链接[IJBC.zip](http://113.200.138.88:18080/aidatasets/project-dependency/arcface_pytorch)，通过SCNet下载的压缩文件解压并将文件夹重命名为IJBC_ALL  
 ## 训练
-Backbone使用ResNet100，在MS1MV3数据集上的预训练权重文件为[model.pt](https://pan.baidu.com/s/1W-TisIZtZmRQz32hq5T6Uw?pwd=1234)  
+Backbone使用ResNet100，在MS1MV3数据集上的预训练权重文件为[model.pt](https://pan.baidu.com/s/1W-TisIZtZmRQz32hq5T6Uw?pwd=1234)，SCNet下载链接[model.pt](http://113.200.138.88:18080/aidatasets/project-dependency/arcface_pytorch)    
 
 ### 单机单卡
 ```

model.properties

@@ -3,7 +3,7 @@ modelCode=676
 # 模型名称
 modelName=arcface_pytorch
 # 模型描述
-modelDescription=ArcFace设计了新的用于人脸识别的损失函数,
+modelDescription=ArcFace设计了新的用于人脸识别的损失函数, 通过引入角度间隔，使模型学习到具有更好区分能力的特征表示，从而提升识别精度
 # 应用场景
 appScenario=推理,训练,人脸识别,安防,交通,教育
 # 框架类型