编写readme

README.md

@@ -15,29 +15,24 @@ LPR模型的训练程序是train.py，初次训练模型使用以下命令：
     python train.py \
         --train_img_dirs 训练集文件夹路径 \
         --test_img_dirs 验证集文件夹路径
-
 Fine-tunning使用以下命令：
 
-`
-python train.py \
-    --train_img_dirs 训练集文件夹路径 \
-    --test_img_dirs 验证集文件夹路径 \
-    --pretrained_model 预训练模型路径 \
-    --resume_epoch Fine-tuning训练的起始epoch \ #fine-tuning时只训练从起始epoch到最大epoch
-    --max_epoch 训练的最大epoch
-`
+    python train.py \
+        --train_img_dirs 训练集文件夹路径 \
+        --test_img_dirs 验证集文件夹路径 \
+        --pretrained_model 预训练模型路径 \
+        --resume_epoch Fine-tuning训练的起始epoch \ #fine-tuning时只训练从起始epoch到最大epoch
+        --max_epoch 训练的最大epoch
 
 ### 测试
 LPR模型用test.py对训练出的模型进行测试，使用方法如下：
 
-`
-python test.py \
-    --model 需要测试的pth模型路径 \
-    --imgpath 测试集路径 # 单张图像或文件夹皆可
+    python test.py \
+        --model 需要测试的pth模型路径 \
+        --imgpath 测试集路径 # 单张图像或文件夹皆可
 
-    --export_onnx 该参数用于选择是否需要将pth模型转为onnx模型
-    --dynamic 该参数用于选择onnx模型是否使用动态的batch size
-`
+        --export_onnx 该参数用于选择是否需要将pth模型转为onnx模型
+        --dynamic 该参数用于选择onnx模型是否使用动态的batch size
 
 ### 推理
 我们分别提供了基于OnnxRuntime(ORT)和Migraphx的推理脚本
@@ -45,16 +40,12 @@ python test.py \
 #### ORT
 LPRNet_ORT_infer.py是基于ORT的的推理脚本，使用方法：
 
-`
-python LPRNet_ORT_infer.py --model onnx模型路径 --imgpath 数据路径(文件夹图像皆可)
-`
+    python LPRNet_ORT_infer.py --model onnx模型路径 --imgpath 数据路径(文件夹图像皆可)
 
 #### Migraphx
 LPRNet_migraphx_infer.py是基于Migraphx的推理脚本，使用需安装好Migraphx，支持onnx模型和mxr模型推理，mxr模型是migraphx将onnx模型保存成的离线推理引擎，初次使用onnx模型会保存对应的mxr模型。使用方法：
 
-`
-python LPRNet_migraphx_infer.py --model mxr/onnx模型路径 --imgpath 数据路径(文件夹图像皆可) --savepath mxr模型的保存路径以及模型名称
-`
+    python LPRNet_migraphx_infer.py --model mxr/onnx模型路径 --imgpath 数据路径(文件夹图像皆可) --savepath mxr模型的保存路径以及模型名称
 
 ## 性能和准确率数据