更新readme

README.md

@@ -6,13 +6,13 @@ Densely Connected Convolutional Networks
 
 - https://arxiv.org/pdf/1608.06993.pdf
 
-## 模型介绍
+## 模型结构
 
 DenseNet-121是一种深度卷积神经网络，如图所示，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。
 
 ![image-20231120204030674](./images/image-20231120204030674.png)
 
-## 模型结构
+## 算法原理
 
 DenseNet的核心组件为“Dense Block”，如图所示，由Dense connectivity和Transition Layer组成。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。
 
@@ -32,6 +32,34 @@ cd densenet121_mmcv/mmclassification-mmcv
 pip install -r requirements.txt
 ```
 
+### Dockerfile（方法二）
+
+```plaintext
+cd densenet121_mmcv/docker
+docker build --no-cache -t densenet121_mmcv:latest .
+docker run --rm --shm-size 10g --network=host --name=megatron --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/../../densenet121_mmcv:/home/densenet121_mmcv -it megatron 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
+```
+
+### Anaconda（方法三）
+
+1、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： https://developer.hpccube.com/tool/
+
+```plaintext
+DTK驱动：dtk22.10.1
+python：python3.7
+torch:1.10.0
+torchvision:0.10.0
+mmcv：1.6.1
+Tips：以上dtk驱动、python、torch等DCU相关工具版本需要严格一一对应
+```
+
+2、其它非特殊库参照requirements.txt安装
+
+```plaintext
+pip install -r requirements.txt
+```
+
 ## 数据集
 
 在本测试中可以使用ImageNet数据集。
@@ -48,7 +76,7 @@ pip install -r requirements.txt
 ├── val
 ```
 
-### 训练
+## 训练
 
 将训练数据解压到data目录下。
 

docker/Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+ENV DEBIAN_FRONTEND=noninteractive
+# 安装pip相关依赖
+COPY requirements.txt requirements.txt
+RUN pip3 install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com -r requirements.txt

docker/requirements.txt

+albumentations>=0.3.2 --no-binary qudida,albumentations
+colorama
+requests
+rich
+scipy
+matplotlib>=3.1.0
+numpy
+packaging
+codecov
+flake8
+interrogate
+isort==4.3.21
+pytest
+xdoctest >= 0.10.0
+yapf