更新readme

README.md

-# ResNet50-PyTorch
+# ResNet50
 
+## 模型介绍
+
+使用PyTorch进行ResNet50训练。
+
+## 模型结构
+
+ResNet50 网络中包含了 49 个卷积层、一个全连接层。
+
+## 数据集
+
+下载ImageNet数据集：[ImageNet (image-net.org)](https://image-net.org/)
+
+参考[scrips/extract_ILSVRC.sh](https://developer.hpccube.com/codes/modelzoo/resnet50-pytorch/-/blob/main/scrips/extract_ILSVRC.sh)处理数据集。
+
+## 训练
+
+### 环境配置
+
+从[光源](https://www.sourcefind.cn/#/service-details)拉取训练镜像：
+
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+```
+
+安装依赖：
+
+```
+pip3 install -r requirements.txt
+```
+
+### 单卡训练（单精度）
+
+```
+export HIP_VISIBLE_DEVICES=0
+python3 main_acc.py --batch-size=64 --arch=resnet50 -j 6 --epochs=90 --save-path=/path/to/{save_model_dir} /path/to/{ImageNet_pytorch_data_dir}/
+```
+
+其中，'/path/to/{save_model_dir}' 修改为model 想要保存的路径，'/path/to/{ImageNet_pytorch_data_dir}/'修改为ImageNet数据集所在路径，后续混合精度训练与多卡训练脚本修改相同，不再说明。
+
+### 单卡训练（混合精度）
+
+```
+export HIP_VISIBLE_DEVICES=0
+python3 main_acc.py --batch-size=64 --arch=resnet50 -j 6 --epochs=90 --amp --opt-level O1 --loss-scale=dynamic --save-path=/path/to/{save_model_dir} /path/to/{ImageNet_pytorch_data_dir}/
+```
+
+### 单机四卡测试（单精度）
+
+```
+mpirun --allow-run-as-root --bind-to none -np 4 scrips/single_process.sh localhost resnet50 64
+```
+
+## 性能和准确率数据
+
+测试数据使用ImageNet数据集，使用的加速卡是DCUZ100L。
+
+| 卡数 | batch size | 类型 | 性能 | Accuracy(%) |
+| ---- | ---------- | ---- | ---- | ----------- |
+| 4    | 256        | fp32 | -    | 75.94       |
+| 4    | 256        | amp  | -    | 75.99       |
+
+# 参考
+
+https://github.com/pytorch/examples/tree/master/imagenet
\ No newline at end of file