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 11:14:17
+ * @LastEditTime: 2023-03-03 11:24:36
  * @FilePath: \lpr\README.md
 -->
 # License-Plate-Recoginition(LPR)
@@ -23,26 +23,29 @@ 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
-`
+    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  
+    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 \  
         --max_epoch 训练的最大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：
 
-`
-python test.py --model 需要测试的pth模型路径 --imgpath 测试集路径(文件夹或图像皆可)  --export_onnx True/False(该参数用于选择是否需要将pth模型转为onnx模型) --dynamic True/False(该参数用于选择onnx模型是否使用动态的batch size)
-`
+    python test.py \
+        --model 需要测试的pth模型路径 \
+        --imgpath 测试集路径(文件夹或图像皆可)  \
+        --export_onnx True/False(该参数用于选择是否需要将pth模型转为onnx模型) \
+        --dynamic True/False(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
@@ -50,19 +53,21 @@ python test.py --model 需要测试的pth模型路径 --imgpath 测试集路径(
 #### 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(文件夹或图像皆可)
-`
+    python LPRNet_ORT_infer.py \
+        --model onnx模型路径 \
+        --imgpath 数据路径(文件夹或图像皆可)
 #### 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(文件夹或图像皆可) --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(文件夹或图像皆可) \
+        --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。**
 
-| Engine | MOdel Path| Model Format | Accuracy(%) | Speed(ms) |
+| 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 |