update readme.md

README.md

@@ -10,6 +10,16 @@ ResNet50网络模型由一系列卷积层、池化层、全局平均池化层和
 
 在ResNet50中，输入图像通过一系列卷积层和池化层进行特征提取，然后通过多个残差块进行深度特征学习。每个残差块包含多个卷积层和跳跃连接，跳跃连接允许信息在残差块内和残差块之间的传递，从而解决了深度神经网络中出现的梯度消失问题。最后，全局平均池化层将特征映射到一个固定长度的向量，该向量再通过全连接层进行分类或回归等任务。
 
+## 目标精度
+
+75.90% classification
+
+## MLPerf代码参考版本
+
+版本：mlperf_benchmark 
+
+原始代码位置：https://github.com/mlcommons/training/tree/master/image_classification/tensorflow2
+
 ## 数据集
 
 需使用ImageNET数据集，下载地址：http://image-net.org/challenges/LSVRC/2012/2012-downloads (require an account)