add model.properties

README.md

@@ -40,6 +40,10 @@ RetinaNet的网络结构主要分为两个部分：特征提取网络和检测
 
 ## 训练
 
+### 测试规模
+
+单机8卡进行性能&&精度测试
+
 ### 环境配置
 提供[光源](https://www.sourcefind.cn/#/service-details)拉取的训练的docker镜像：
 * 训练镜像：
@@ -53,14 +57,14 @@ python依赖安装：
     cd ./cocoapi-0.7.0/PythonAPI; python3 setup.py install
 
 ### 训练
-训练命令（此处以单机8卡规模为例说明）：
+训练命令：
 
     nohup bash sbatch.sh >& bs16_epoch6.log &
     #输出结果见bs16_epoch6.log
     #注：可通过修改dcu.sh中DATASET_DIR参数按需修改输入数据的位置
 
-## 性能和准确率数据
-测试采用上述输入数据，加速卡采用Z100L，最终可达到收敛精度要求
+## 测试结果
+采用上述输入数据，加速卡采用Z100L*8，可最终达到官方收敛要求；
 
 ## 历史版本
 * https://developer.hpccube.com/codes/modelzoo/mlperf_retinanet

model.properties

+# 模型名称
+modelName=RetinaNet
+# 模型描述
+modelDescription=RetinaNet是一种基于特征金字塔网络（Feature Pyramid Network）和Focal Loss损失函数的目标检测模型
+# 应用场景(多个标签以英文逗号分割)
+appScenario=CV,Object detection
+# 框架类型(多个标签以英文逗号分割)
+frameType=Pytorch
+