添加readme

README.md

+# Densenet121
+
+## 模型介绍
+
+DenseNet-121是一种深度卷积神经网络，由Kaiming He等人于2017年提出。它是DenseNet系列中的一种，也是其中最流行的一种，被广泛应用于计算机视觉领域的图像分类、目标检测和语义分割等任务。
+
+## 模型结构
+
+DenseNet-121的主要特点是密集连接（Dense Connection）。在传统的卷积神经网络中，每层只是简单地将输入映射到输出。而在DenseNet中，每层的输出都会连接到下一层的输入上，从而使得网络中的信息流更加充分，避免了信息的丢失。这种密集连接的方式也使得网络的训练更加容易，减少了梯度消失问题的发生。
+
+DenseNet-121的结构由4个密集块（Dense Block）和3个过渡层（Transition Layer）组成。其中，每个密集块中包含若干个卷积层和池化层，每个卷积层都会接收前面所有层的输入，并将它们连接到自己的输出上。而过渡层则用于将前面密集块的输出进行降维，减少参数数量。
+
+## 数据集
+
+在本测试中可以使用ImageNet数据集。
+
+## DenseNet-121训练
+
+### 环境配置
+
+下载工程代码：
+
+http://developer.hpccube.com/codes/aicomponent/mmclassification-mmcv.git
+
+提供[光源](https://www.sourcefind.cn/#/service-details)拉取的训练的docker镜像：
+
+* 训练镜像：docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+* pip install -r requirements.txt
+* cd mmclassification    
+* pip install -e .
+
+### 训练
+
+将训练数据解压到data目录下。
+
+训练命令：
+
+    ./densenet121.sh
+
+## 性能和准确率数据
+
+测试数据使用的是ImageNet数据集，使用的加速卡是DCU Z100L。
+
+| 卡数 |       性能       |           精度            |
+| :--: | :--------------: | :-----------------------: |
+|  8   | 1912.39samples/s | top1:0.74044;top5:0.91672 |
+
+### 参考
+
+https://github.com/open-mmlab/mmpretrain
\ No newline at end of file