Update 24.04.1

README.md

@@ -31,22 +31,35 @@ DBNet的是将二值化操作插入到分割网络中进行联合优化，这样
 ### Docker（方法一）
 
 ```
-docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
 
-docker run --shm-size 10g --network=host --name=dbnet --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/dbnet -it <your IMAGE ID> bash 
+docker run --shm-size 10g --network=host -v /opt/hyhal:/opt/hyhal:ro  --name=dbnet --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/dbnet -it <your IMAGE ID> bash 
 
-cd dbnet
 pip install -r requirements.txt
 ```
 
 ### Dockerfile（方法二）
 
 ```plaintext
-cd dbnet/docker
 docker build --no-cache -t dbnet:latest .
-docker run --rm --shm-size 10g --network=host --name=dbnet --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/../../dbnet:/home/dbnet -it <your IMAGE ID> bash
+docker run --rm --shm-size 10g --network=host -v /opt/hyhal:/opt/hyhal:ro  --name=dbnet --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/../../dbnet:/home/dbnet -it <your IMAGE ID> bash
 # 若遇到Dockerfile启动的方式安装环境需要长时间等待，可注释掉里面的pip安装，启动容器后再安装python库：pip install -r requirements.txt
 ```
+### conda（方法三）
+关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装。
+```
+DTK驱动:dtk24.04.1
+python:3.10
+torch:2.1.0
+torchvision:0.16.0
+apx:1.1.0
+```
+Tips：以上dtk驱动、torch等工具版本需要严格一一对应。
+
+其它依赖库参照requirements.txt安装：
+```
+pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
+```
 
 ## 数据集
 
@@ -70,11 +83,20 @@ docker run --rm --shm-size 10g --network=host --name=dbnet --privileged --device
 
     ./run.sh
 
-### result
+### 单机多卡
+
+   ```
+
+    export HIP_VISIBLE_DEVICES=0,1
+    python -m torch.distributed.launch --nproc_per_node 2 --master_port 12345 tools/train.py --config_file "config/icdar2015_resnet18_FPN_DBhead_polyLR.yaml"
+
+    ```
+
+## result
 
 ![image-20240307095138277](./imgs/result.png)
 
-## 精度
+### 精度
 
 测试数据使用的是icdar2015数据集，使用的加速卡是DCU Z100L。
 
@@ -86,7 +108,7 @@ docker run --rm --shm-size 10g --network=host --name=dbnet --privileged --device
 
 ### 算法类别
 
-图像分类
+文本检测
 
 ### 热点行业
 
@@ -94,7 +116,7 @@ docker run --rm --shm-size 10g --network=host --name=dbnet --privileged --device
 
 ## 源码仓库及问题反馈
 
-https://developer.hpccube.com/codes/modelzoo/dbnet
+https://developer.sourcefind.cn/codes/modelzoo/dbnet_pytorch
 
 ## 参考资料