update readme

README.md

 # ResNet50
 
+## 论文
+
+`Deep Residual Learning for Image Recognition`
+
+- https://arxiv.org/abs/1512.03385
+
 ## 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。
+ResNet50网络中包含了49个卷积层、1个全连接层等。
 
-## 数据集
+![](C:\Users\15504\resnet50-pytorch\doc\ResNet50.png)
 
-下载ImageNet数据集：[ImageNet (image-net.org)](https://image-net.org/)
+## 算法原理
 
-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。
+ResNet50使用了多个具有残差连接的残差块来解决梯度消失或梯度爆炸问题，并使得网络可以向更深层发展。
 
-## 训练
+![](C:\Users\15504\resnet50-pytorch\doc\Residual_Block.png)
+
+## 环境配置
 
-### 环境配置
+### Docker（方法一）
 
 从[光源](https://www.sourcefind.cn/#/service-details)拉取训练镜像：
 
 ```
+拉取镜像：
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+创建并启动容器：
+docker run --shm-size 16g --network=host --name=resnet50_pytorch --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/resnet50-pytorch:/home/resnet50_pytorch -it <Your Image ID> bash
+安装依赖：
+pip install -r requirements.txt 
 ```
 
-安装依赖：
+### Dockerfile（方法二）
+
+```
+cd resnet50-pytorch/docker
+docker build --no-cache -t resnet50_pytorch:latest .
+docker run --rm --shm-size 16g --network=host --name=resnet50_pytorch --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/../../resnet50-pytorch:/home/resnet50_pytorch -it resnet50_pytorch:latest bash
+```
+
+### Anaconda（方法三）
+
+1、关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装：
+https://developer.hpccube.com/tool/
 
 ```
-pip3 install -r requirements.txt
+DTK驱动：dtk22.10.1
+python：python3.7
+torch:1.10.0
+torchvision:0.10.0
+apex:0.1
 ```
 
+`Tips：以上DTK、python、torch等DCU相关工具包，版本需要严格一一对应`
+
+2、其它非特殊库参照requirements.txt安装
+
+## 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
+
 ### 单卡训练（单精度）
 
 ```
@@ -71,6 +111,16 @@ mpirun --allow-run-as-root --bind-to none -np 4 scrips/single_process_amp.sh loc
 | 8    | 0.15          | 512        | fp32 | 75.902      |
 | 8    | 0.15          | 512        | amp  | 75.90       |
 
+## 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/resnet50-pytorch

docker/dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+ENV DEBIAN_FRONTEND=noninteractive
+# RUN yum update && yum install -y git cmake wget build-essential
+RUN source /opt/dtk-22.10.1/env.sh
+# 安装pip相关依赖
+COPY requirements.txt requirements.txt
+RUN pip3 install -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com -r requirements.txt
+

docker/requirements.txt

+# Python dependencies required for development
+astunparse
+expecttest
+future
+numpy
+psutil
+pyyaml
+requests
+setuptools
+six
+types-dataclasses
+typing_extensions
+dataclasses; python_version<"3.7"

model.properties

+# 模型编码
+modelCode=106
 # 模型名称
-modelName=ResNet50-PyTorch
+modelName=resnet50-pytorch
 # 模型描述
 modelDescription=ResNet50是一种用于图像识别的深度神经网络模型
-# 应用场景(多个标签以英文逗号分割)
-appScenario=训练,图像识别
+# 应用场景
+appScenario=训练,图像分类
 # 框架类型(多个标签以英文逗号分割)
 frameType=PyTorch