updated readme

README.md

@@ -125,51 +125,11 @@ data
 
 
 
-### tiny-imagenet-200
-
-由于ImageNet完整数据集较大，可以使用[tiny-imagenet-200](http://cs231n.stanford.edu/tiny-imagenet-200.zip)进行测试，可于SCNet快速下载[tiny-imagenet-200-scnet](http://113.200.138.88:18080/aidatasets/project-dependency/tiny-imagenet-200) ，此时需要对配置脚本进行一些修改：
-
-- dataset配置文件(configs/\_\_base\_\_/datasets/xxx.py)中，需要对以下字段进行修改
-  
-  ```python
-  # dataset settings
-  dataset_type = 'CustomDataset'  # 修改为CustomDataset
-  data_preprocessor = dict(
-      num_classes=200,  # 修改类别为200
-      ...
-  )
-  ...
-  train_dataloader = dict(
-      batch_size=32,
-      num_workers=5,
-      dataset=dict(
-          type=dataset_type,
-          data_root='data/imagenet',
-          data_prefix='train',  # 改为data_prefix='train'，val_dataloader中同理
-          pipeline=train_pipeline),
-      sampler=dict(type='DefaultSampler', shuffle=True),
-  )
-  ```
-
-- model配置文件(configs/\_\_base\_\_/models/xxx.py)中，同样需要将类别相关的值设置为200。
-  
-  ```python
-  # model settings
-  model = dict(
-      type='ImageClassifier',
-      ...
-      head=dict(
-          type='LinearClsHead',
-          num_classes=200,  # 将类别数改为200
-          ...
-      ))
-  ```
-
-mmpretrain-mmcv中提供了使用tiny-imagenet-200进行训练的若干配置脚本，可参考进行设置。
+### Tiny-ImageNet-200
 
-## 训练
+由于ImageNet完整数据集较大，可以使用[tiny-imagenet-200](http://cs231n.stanford.edu/tiny-imagenet-200.zip)进行测试，可于SCNet快速下载[tiny-imagenet-200-scnet](http://113.200.138.88:18080/aidatasets/project-dependency/tiny-imagenet-200) ，此时需要对配置脚本进行一些修改，可参照mmpretrain-mmcv子仓库进行配置，其中提供了使用Tiny-ImageNet-200进行训练的若干配置脚本。
 
-将训练数据集解压后放置于mmpretrain-mmcv/data/，对于tiny-imagenet，目录结构如下：
+将训练数据集解压后放置于mmpretrain-mmcv/data/，对于Tiny-ImageNet，目录结构如下：
 
 ```
 data
@@ -179,26 +139,35 @@ data
     ├── val/
     ├── wnids.txt
     └── words.txt
-
 ```
 
-### 单机8卡训练
+## 训练
 
-tiny-imagenet-200
+Tiny-ImageNet-200
 
 ```shell
 bash tools/dist_train.sh mobilenet-v2-test.py 8
 ```
 
-imagenet
+ImageNet
 
 ```shell
 bash tools/dist_train.sh configs/mobilenet_v2/mobilenet-v2_8xb32_in1k.py 8
 ```
 
-如需其他卡数训练，将命令中的8改为所需卡数即可
+tips：如需其他卡数训练，将命令中的8改为所需卡数即可；如遇端口占用问题，可在tools/dist_train.sh修改端口。
+
+## Result
+
+![img](https://developer.hpccube.com/codes/modelzoo/vit_pytorch/-/raw/master/image/README/1695381570003.png)
+
+### 精度
+
+测试数据使用的是ImageNet数据集，使用的加速卡是DCU Z100L。
 
-如遇端口占用问题，可在tools/dist_train.sh修改端口
+| 卡数  | 精度                        |
+|:---:|:-------------------------:|
+| 8   | top1:0.71764;top5:0.90386 |
 
 ## 应用场景
 

mmpretrain-mmcv @ 12c02d09

-Subproject commit 64c15d709b3dfaa146df50951e9c1a14467bcf4e
+Subproject commit 12c02d0917bcbfbac86f52b93f02ce87edb7835b