add save params note

README.md

@@ -54,10 +54,9 @@ FastFold基于蛋白质结构预测模型,进行推理的性能优化
 
 ##### 单体推理参数说明
 T1024.fasta为推理的单体序列；data修改为数据集下载目录；
---output_dir为输出目录；--gpus为使用的gpu数量；
---use_precomputed_alignments为搜索对齐目录，可以加载已经搜索对齐的序列，若不添加则进行搜索对齐；
---param_path为加载单体模型路径，需要和--model_name保持一致,默认为model_1；
---chunk_size为分块数量，设置为4，并且使用--inplace来降低显存占用。
+`--output_dir`为输出目录；`--gpus`为使用的gpu数量；`--use_precomputed_alignments`为搜索对齐目录，可以加载已经搜索对齐的序列，若不添加则进行搜索对齐；
+`--param_path`为加载单体模型路径，需要和`--model_name`保持一致,默认为model_1；`--chunk_size`为分块数量，设置为4，并且使用`--inplace`来降低显存占用；
+默认进行relax操作，若不需要，添加`--relaxation`；默认不保存输出的.pkl文件，若需要，添加`--save_outputs`.
 
 
 Alphafold的数据预处理需要花费大量时间，因此我们通过[ray](https://docs.ray.io/en/latest/workflows/concepts.html)加快了数据预处理工作流程。
@@ -88,7 +87,7 @@ Alphafold的数据预处理需要花费大量时间，因此我们通过[ray](ht
 或者使用`./inference_multimer.sh`
 
 ##### 多体推理参数说明
-SUGP1.fasta为推理的多体序列；--param_path为加载多体模型路径，需要和--model_name保持一致，其他参数同单体推理参数说明一致。
+SUGP1.fasta为推理的多体序列；`--param_path`为加载多体模型路径，需要和`--model_name`保持一致，其他参数同单体推理参数说明一致.
 
 ## 准确率数据
 测试数据：[casp14](https://www.predictioncenter.org/casp14/targetlist.cgi)、[uniprot](https://www.uniprot.org/)，使用的加速卡:4张 DCU 1代-16G