更换dtk24.04.1镜像

README.md

@@ -26,13 +26,13 @@ LPRNet是基于编解码模型。因车牌字符数量较少且尺度固定，
 
 训练镜像：
 
-    docker pull image.sourcefind.cn:5000/dcu/admin/base/vscode-pytorch:1.10.0-centos7.6-dtk-22.10-py37-patch4
-    docker run --shm-size 10g --network=host --name=LPR-train --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -it <your IMAGE ID> bash
+    docker pull image.sourcefind.cn:5000/dcu/admin/base/vscode-pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
+    docker run --shm-size 10g --network=host --name=LPR-train --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v /opt/hyhal:/opt/hyhal:ro -it <your IMAGE ID> bash
 
 推理镜像：
 
-    docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:migraphx2.5.0_centos7.6-dtk-22.10.1
-    docker run --shm-size 10g --network=host --name=LPR-infer --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -it <your IMAGE ID> bash
+    docker pull image.sourcefind.cn:5000/dcu/admin/base/migraphx:4.3.0-ubuntu20.04-dtk24.04.1-py3.10
+    docker run --shm-size 10g --network=host --name=LPR-infer --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v /opt/hyhal:/opt/hyhal:ro -it <your IMAGE ID> bash
 
 其它非特殊库参照requirements.txt安装。在[光合开发者社区](https://cancon.hpccube.com:65024/4/main/)可下载Migraphx和ONNXruntime安装包。
 
@@ -41,6 +41,8 @@ LPRNet是基于编解码模型。因车牌字符数量较少且尺度固定，
 ## 数据集
 `CCPD`
 - https://github.com/detectRecog/CCPD
+数据集快速下载中心：[SCNet AIModels](http://113.200.138.88:18080/aidatasets)
+CCPD快速下载通道下载：[CCPD](http://113.200.138.88:18080/aidatasets/project-dependency/ccpd)
 
 CCPD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。** 使用方法：
 
@@ -95,8 +97,8 @@ LPR模型用test.py对训练出的模型进行测试，使用方法如下：
 
 ## 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
-* Migraphx(DCU版本) >= 2.5.0
+* ONNXRuntime(DCU版本) == 1.15.0
+* Migraphx(DCU版本) == 4.3.0
 ### ORT
 LPRNet_ORT_infer.py是基于ORT的的推理脚本，使用方法：
 
@@ -114,7 +116,7 @@ LPRNet_migraphx_infer.py是基于Migraphx的推理脚本，使用需安装好Mig
 ## Result
 ![img](./doc/result.png)
 
-## 精度
+### 精度
 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(%) |
@@ -131,7 +133,7 @@ LPRNet_migraphx_infer.py是基于Migraphx的推理脚本，使用需安装好Mig
 
 ## 源码仓库及问题反馈
 * https://developer.hpccube.com/codes/modelzoo/lpr
-## 参考
+## 参考资料
 * https://github.com/sirius-ai/LPRNet_Pytorch
 * https://github.com/qzpzd/license-plate-detect-recoginition