Update README.md

README.md

@@ -20,7 +20,8 @@ RetinaNet的网络结构主要分为两个部分：特征提取网络和检测
 
 版本：v2.1
 
-原始代码位置：https://github.com/mlcommons/training_results_v2.1/tree/master/NVIDIA/benchmarks/bert/implementations/pytorch
+原始代码位置：
+* https://github.com/mlcommons/training_results_v2.1/tree/master/NVIDIA/benchmarks/bert/implementations/pytorch
 
 ## 数据集
 模型训练的数据集来自训练数据：Open Images，该数据一个大规模的图像数据集，由Google在2016年发布。该数据集包含了超过900万张标注图像，其中每张图像都包含了多个物体的边界框和类别标签，可用于各种计算机视觉任务，例如物体检测、物体识别、场景理解等。
@@ -49,7 +50,7 @@ RetinaNet的网络结构主要分为两个部分：特征提取网络和检测
 
     docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:mlperf_retinanet_mpirun
 
-python依赖安装：
+python依赖安装（如已经拉取镜像可忽略下述依赖安装步骤）：
 
     pip3 install -r requirement.txt
     python3 setup.py install
@@ -67,7 +68,7 @@ python依赖安装：
 ## 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
+## 源码仓库及问题反馈
 * https://developer.hpccube.com/codes/modelzoo/mlperf_retinanet
 ## 参考
 * https://mlcommons.org/en/