Update README.md, image.png files

README.md

-# TVM 
+# MobileNet_v2
 ## 模型介绍
 ```
-   mobilenet_v2是mobilenet系列中的一个经典模型，mobilenet_v2适用于各种图像分类任务。本示例为使用TVM对训练
-好的mobilenet_v2 onnx格式的模型文件，进行推理调优及部署的流程。
+   mobilenet_v2是mobilenet系列中的一个经典模型，由Google在2018年提出。它是MobileNet系列中的第二个版本，主要用于移动设备和嵌入式设备等资源受限的环境中进行图像分类、目标检测等计算机视觉任务。
+。本示例为使用TVM对训练好的mobilenet_v2 onnx格式的模型文件，进行推理调优及部署的流程。
 ```
 ## 模型结构
+  MobieNet_v2 以图中所示的逆残差结构构建网络
+ ![image.png](./image.png)
+
+## 算法原理
+```
+MobileNetV2的网络结构主要由两部分组成：特征提取层和分类器。
+
+特征提取层采用了一连串的瓶颈块来减小模型大小和计算量。每个瓶颈块包括逐点卷积、逐通道扩展和逐点卷积三个操作。其中逐点卷积用于降低特征图的通道数量，逐通道扩展则是为了增加特征图的深度，逐点卷积再次将通道数量转换为更小的值。MobileNetV2引入了倒残差结构，即先使用逐点卷积缩小通道数量，然后使用瓶颈块处理特征图，最后再使用逐点卷积扩展通道数量。最后一个重要的设计是Squeeze-and-Excitation (SE)模块，它可以用于进一步优化特征提取。SE模块通过使用全局平均池化来获取特征图中每个通道的全局信息，并使用两个全连接层来动态地调整每个通道的权重，以增强重要的特征并抑制无关的特征。
+
+分类器采用全局平均池化和全连接层来进行图像分类。全局平均池化将特征图的每个通道降为一个值，然后将这些值传递给全连接层进行分类。这种方法不仅可以减少参数数量，还可以防止过拟合。
+```
+
+
+## 环境配置
+### Docker（方法一）
+
+拉取镜像：
+```
+    docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm-0.11_fp32_cpp_dtk22.10_py38_centos-7.6-latest
+```
+创建并启动容器
+```
+docker run --shm-size 16g --network=host --name=mobilenet_v2 --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/mobilenetv2_tvm:/home/mobilenetv2_tvm -it <Your Image ID> /bin/bash
+
+# 激活dtk
+source /opt/dtk/env.sh
 ```
-    mobilenet_v2
+### Dockerfile（方法二）
 ```
+cd ./docker
+docker build --no-cache -t mobilenetv2_tvm:0.11
+
+docker run --shm-size 16g --network=host --name=mobilenetv2 --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/mobilenetv2_tvm:/home/mobilenetv2_tvm -it <Your Image ID> /bin/bash
+
+# 激活dtk
+source /opt/dtk/env.sh
+```
+
 ## 模型文件
   模型文件下载地址： 
 ```
@@ -26,21 +61,14 @@
 ```
     "https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip"
 ```
-## 推理、自动调优及部署
-###  环境配置
-  拉取镜像：
-```
-    docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm-0.11_fp32_cpp_dtk22.10_py38_centos-7.6-latest
-```
-
-###  执行推理及调优
+##  执行推理及调优
   下载模型文件后执行以下命令进行推理测试及调优测试：
 ```
     python tune_MobileNet_V2.py
 ```
     
     
-### 单卡部署推理测试
+## 单卡部署推理测试
   下载配置好镜像之后，cd /tvm-0.11-dev0/apps/ 进入该路径下，将代码下载放到该路径下，cd tvm_tune_resnet50-v2/ 进入该路径后，
 执行以下命令：
 ```
@@ -54,17 +82,22 @@
    max_iter:0x106028a4
    max_num_index:161
 ```
-## TVM版本
-```
-    TVM-0.11
-```   
+## 应用场景
+
+### 算法类别
+
+图像分类
+
+### 热点应用行业
+
+制造,政府,医疗,科研
     
 
 ## 源码仓库及问题反馈
 
    * https://developer.hpccube.com/codes/modelzoo/mobilenet_v2_tvm
 
-## 参考
+## 参考资料
 
    * [https://tvm.apache.org/docs/how_to/tune_with_autoscheduler/tune_network_cuda.html#sphx-glr-how-to-tune-with-autoscheduler-tune-network-cuda-py]()