Update README.md

README.md

@@ -5,7 +5,7 @@
   
 ## 模型介绍
 ```
-   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。
+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
@@ -28,7 +28,7 @@ MobileNetV2的网络结构主要由两部分组成：特征提取层和分类器
 
 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
+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
 ```
@@ -49,32 +49,32 @@ source /opt/dtk/env.sh
 ```
 
 ## 模型文件
-  模型文件下载地址： 
+模型文件下载地址： 
 ```
-    "https://github.com/onnx/models/blob/main/vision/classification/mobilenet/model/mobilenetv2-7.onnx"
+  "https://github.com/onnx/models/blob/main/vision/classification/mobilenet/model/mobilenetv2-7.onnx"
 ```
 ## 数据集
-  python 推理及调优代码使用的图片数据为：
+python 推理及调优代码使用的图片数据为：
 ```
-    "https://s3.amazonaws.com/model-server/inputs/kitten.jpg"
+   "https://s3.amazonaws.com/model-server/inputs/kitten.jpg"
 ``` 
-  标签数据为：
+标签数据为：
 ```
-    "https://s3.amazonaws.com/onnx-model-zoo/synset.txt"
+   "https://s3.amazonaws.com/onnx-model-zoo/synset.txt"
 ```
-   C++部署代码使用数据为：
+  C++部署代码使用数据为：
 ```
-    "https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip"
+   "https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip"
 ```
 ##  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：
+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
-  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，
+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：
 ```
     mkdir -p lib