Update README.md

README.md

@@ -42,6 +42,8 @@ Qwen2.5-Coder以Qwen2.5为基础，有0.5B、1.5B、3B、7B、14B以及32B六个
 </div> 
 
 ## 环境配置  
+## 硬件需求  
+DCU型号：K100_AI，节点数量：1台，卡数：1张
 ### Docker（方法一）
 从[光源](https://www.sourcefind.cn/#/service-list)中拉取docker镜像：
 ```
@@ -105,7 +107,7 @@ SCNet快速下载连接[SCNet下载](http://113.200.138.88:18080/aimodels/qwen/Q
 ```
 # 注意：根据自己的模型切换.yaml文件中的模型位置
 HIP_VISIBLE_DEVICES=0 llamafactory-cli train examples/train_lora/qwen2vl_lora_sft_custom.yaml
-# 如果显存不够，可以使用Zero-offload减少显存使用
+# 如果显存不够，可以使用Zero-offload减少显存使用，单卡时要注释掉yaml中的deepspeed内容
 HIP_VISIBLE_DEVICES=0 llamafactory-cli train examples/train_lora/qwen2vl_lora_sft_offload_custom.yaml
 ```
 
@@ -136,7 +138,7 @@ DCU与GPU精度一致，推理框架：pytorch。
 ### 热点应用行业
 代码生成,代码修改,教育
 
-## 其他预训练权重
+## 预训练权重
 Instruct系列模型  
 [Qwen2.5-Coder-0.5B-Instruct](http://113.200.138.88:18080/aimodels/qwen/Qwen2.5-Coder-0.5B-Instruct)  
 [Qwen2.5-Coder-1.5B-Instruct](http://113.200.138.88:18080/aimodels/qwen/Qwen2.5-Coder-1.5B-Instruct)