修改reamdme

README.md

@@ -2,7 +2,7 @@
  * @Author: liuhy
  * @email: liuhy6@sugon.com
  * @Date: 2023-03-03 10:17:07
- * @LastEditTime: 2023-03-03 10:44:00
+ * @LastEditTime: 2023-03-03 11:12:57
  * @FilePath: \lpr\README.md
 -->
 # License-Plate-Recoginition(LPR)
@@ -40,12 +40,14 @@ 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：
 
-    python test.py \
+`
+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，版本依赖：
 * ONNXRuntime(DCU版本) >= 1.14.0
@@ -65,11 +67,11 @@ python LPRNet_migraphx_infer.py --model mxr/onnx模型路径 --imgpath 数据路
 ## 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。**
 
-| Engine | Model Format | Accuracy(%) | Speed(ms) |
-| :------: | :------: | :------: |:------: |
-| ONNXRuntime | onnx | 91.0 | 37.62  |
-| Migraphx | onnx | 91.0 | 3.70 |
-| Migraphx | mxr | 91.0 | 3.27 |
+| Engine | MOdel Path| Model Format | Accuracy(%) | Speed(ms) |
+| :------: | :------: | :------: | :------: |:------: |
+| ONNXRuntime | model/LPRNet.onnx | onnx | 91.0 | 37.62  |
+| Migraphx | model/LPRNet.onnx |onnx | 91.0 | 3.70 |
+| Migraphx | model/LPRNet.mxr |mxr | 91.0 | 3.27 |
 ## 参考
 * [LPRNet_Pytorch](https://github.com/sirius-ai/LPRNet_Pytorch)
 * [license-plate-detect-recoginition](https://github.com/qzpzd/license-plate-detect-recoginition)
\ No newline at end of file