删除不必要文件

Python/README.md

-# CRNN
-
-## 模型介绍
-
-CRNN是文本识别领域的一种经典算法，该算法的主要思想是认为文本识别需要对序列进行预测，所以采用了预测序列常用的RNN网络。算法通过CNN提取图片特征，然后采用RNN对序列进行预测，最终使用CTC方法得到最终结果。
-
-## 模型结构
-
-CRNN模型的主要结构包括基于CNN的图像特征提取模块以及基于双向LSTM的文字序列特征提取模块。
-
-## 构建安装
-
-在光源可拉取推理的docker镜像，CRNN 模型推理推荐的镜像如下：
-
-```python
-docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
-```
-
-### 安装Opencv依赖
-
-```python
-cd <path_to_migraphx_samples>
-sh ./3rdParty/InstallOpenCVDependences.sh
-```
-
-### 修改CMakeLists.txt
-
-- 如果使用ubuntu系统，需要修改CMakeLists.txt中依赖库路径：
-  将"${CMAKE_CURRENT_SOURCE_DIR}/depend/lib64/"修改为"${CMAKE_CURRENT_SOURCE_DIR}/depend/lib/"
-
-- **MIGraphX2.3.0及以上版本需要c++17**
-
-
-### 安装OpenCV并构建工程
-
-```
-rbuild build -d depend
-```
-
-### 设置环境变量
-
-将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句：
-
-**Centos**:
-
-```
-export LD_LIBRARY_PATH=<path_to_migraphx_samples>/depend/lib64/:$LD_LIBRARY_PATH
-```
-
-**Ubuntu**:
-
-```
-export LD_LIBRARY_PATH=<path_to_migraphx_samples>/depend/lib/:$LD_LIBRARY_PATH
-```
-
-然后执行:
-
-```
-source ~/.bashrc
-```
-
-## 推理
-
-### C++版本推理
-
-成功编译CRNN工程后，在build目录下输入如下命令运行该示例：
-
-1. 静态推理
-
-```
-./MIGraphX_Samples a
-```
-
-静态推理示例输入样本图像为：
-
-![text0](../Resource/Images/CrnnDynamicPic/text0.jpg)
-
-文本识别结果为：
-
-```
-a-----v--a-i-l-a-bb-l-e--- => available
-```
-
-2. 动态shape推理
-
-```
-# 开启环境变量
-export MIGRAPHX_DYNAMIC_SHAPE=1
-
-# 执行动态推理
-./MIGraphX_Samples b
-```
-
-文本识别结果：
-
-```
-available
-migraphx
-waiting
-recognition
-```
-
-### python版本推理
-
-CRNN工程的Python推理示例仅提供静态推理，可使用如下命令运行：
-
-```
-# 进入python示例目录
-cd ./Python
-
-# 安装依赖
-pip install -r requirements.txt
-
-# 运行程序
-python Crnn_infer_migraphx.py 
-```
-
-该python示例输入样本图像与C++在静态推理中一致，文本识别结果为：
-
-```
-a-----v--a-i-l-a-bb-l-e--- => available
-```
-
-## 历史版本
-
-​		https://developer.hpccube.com/codes/modelzoo/crnn_migraphx
-
-## 参考
-
-​		https://github.com/meijieru/crnn.pytorch