修改readme

README.md

@@ -6,6 +6,11 @@ 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
 ## 数据集
 推荐使用一个车牌数据集[CCPD](https://github.com/detectRecog/CCPD "CCPD官网GitHub")，也可参考[CCPD](https://blog.csdn.net/LuohenYJ/article/details/117752120 "CCPD中文版介绍")，该数据集由中科大收集，可用于车牌的检测与识别。我们提供了一个脚本cut_ccpd.py用于剪裁出CCPD数据集中的车牌位置，以便用于LPR模型的训练，在cut_ccpd.py中修改img_path和save_path即可，分别是CCPD数据集中ccpd_base文件夹的路径和剪裁出的图像保存路径。LPR用于训练的数据文件名就是图像的标签。**数据集使用固定的大小94x24。**
 ## 训练及推理
+### 环境配置
+在[光源](https://www.sourcefind.cn/#/service-details)可拉取docker镜像，在[光合开发者社区](https://cancon.hpccube.com:65024/4/main/)可下载Migraphx和ONNXruntime安装包。LPR推荐的镜像、Migraphx以及ONNXruntime版本如下：
+* 镜像：docker pull image.sourcefind.cn:5000/dcu/admin/base/vscode-pytorch:1.10.0-centos7.6-dtk-22.10-py37-patch4
+* Migraphx-2.5.0-dtk-22.10
+* ORT-1.14.0-dtk-22.10
 ### 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：
 

requirement.txt

+imutils==0.5.4