update val

README.md

@@ -144,12 +144,6 @@ python test.py --pre_trained_model <checkpoint path> --coco_path <coco path>
 
 其余对应参数与训练模型参数需一致, 详情请参考代码里面的参数配置:
 
-#### 单卡推理
-
-```
-bash val.sh
-```
-
 #### 多卡推理
 
 ```
@@ -166,9 +160,10 @@ COCO2017测试集上的单张图像结果展示:
 
 ### 精度
 
-在COCO2017的测试集上进行单卡测试, 结果如下表所示:
+在COCO2017的测试集上进行单卡测试, 测试模型config: ./configs/two_stage/deformable-detr-hybrid-branch/12eps/r50_hybrid_branch_lambda1_group6_t1500_dp0_mqs_lft_deformable_detr_plus_iterative_bbox_refinement_plus_plus_two_stage.sh
+
+结果如下表所示:
 
-根据测试结果情况填写表格:
 | Name     | Backbone | query | epochs | AP |
 | :--------: | :------: | :------: | :------: | :------: |
 | H-Deformable-DETR + tricks(our) | R50 | 300 | 12 | xxx  |

val.sh

-#!/usr/bin/env bash
-
-# coco_path是训练数据集地址，数据是coco format
-sh <config path> \
-    --coco_path <coco path> \
-    --resume <checkpoint path> \
-    --eval

val_multi.sh

 #!/usr/bin/env bash
-export HIP_VISIBLE_DEVICES=0,1,2,3 # 自行修改为训练的卡号和数量
+export HIP_VISIBLE_DEVICES=0,1,2,3 # 自行修改为训练的卡号和数量, 单卡可设置一张卡，下面的参数对应调整
 export HSA_FORCE_FINE_GRAIN_PCIE=1
 export USE_MIOPEN_BATCHNORM=1