修改readme

README.md

@@ -2,7 +2,7 @@
  * @Author: liuhy
  * @email: liuhy6@sugon.com
  * @Date: 2023-03-03 10:17:07
- * @LastEditTime: 2023-03-03 10:41:59
+ * @LastEditTime: 2023-03-03 10:44:00
  * @FilePath: \lpr\README.md
 -->
 # License-Plate-Recoginition(LPR)
@@ -35,7 +35,8 @@ python train.py --train_img_dirs 训练集文件夹路径 --test_img_dirs 验证
         --resume_epoch Fine-tuning训练的起始epoch  
         --max_epoch 训练的最大epoch
 `
-Fine-tuning时只训练从起始epoch到最大epoch
+
+Fine-tuning时只训练从起始epoch到最大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：
 
@@ -52,11 +53,15 @@ LPR模型用test.py对训练出的模型进行测试，使用方法如下：
 #### 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
 测试数据使用的是[LPRNet_Pytorch](https://github.com/sirius-ai/LPRNet_Pytorch/tree/master/data/test)，使用的加速卡是DCU Z100。**mxr格式的模型是migraphx创建的onnx模型的离线引擎。**