编写readme

README.md

@@ -11,46 +11,46 @@ LPR是一个基于深度学习技术的车牌识别模型，主要识别目标
 ## 训练及推理
 ### 训练与Fine-tunning
 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
-'''
+`
 
 ### 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
 
     --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
 
 #### 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)
-'''
+`
 
 #### 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
-'''
+`
 
 ## 性能和准确率数据