update

README.md

 # Resnet50
-## 模型介绍
-使用OneFlow进行Resnet50的训练与推理
+## 论文
+`Deep Residual Learning for Image Recognition`
+
+- [https://arxiv.org/abs/1512.03385](https://arxiv.org/abs/1512.03385)
+
 ## 模型结构
 Resnet50 网络中包含了 49 个卷积层、1个全连接层等。
+
+
+
+## 算法原理
+
+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。
+
+
+
+## 环境配置
+
+### Docker
+
+```plaintext
+docker pull image.sourcefind.cn:5000/dcu/admin/base/oneflow:0.9.1-centos7.6-dtk-22.10.1-py39-latest
+# <Your Image ID>用上面拉取docker镜像的ID替换
+docker run --shm-size 16g --network=host --name=resnet50_oneflow --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/resnet50_oneflow:/home/resnet50_oneflow -it <Your Image ID> bash
+cd /home/resnet50_oneflow
+pip install -r requirements.txt
+```
+
 ## 数据集
+
 我们考虑到imagenet数据集比较庞大，为了用户可以使用OneFlow快速进行Resnet50的训练验证，采用mini-imagenet小数据集。如果需要原始数据需要参考该链接https://github.com/Oneflow-Inc/models/tree/main/Vision/classification/image/resnet50#prepare-ofrecord-for-the-full-imagenet-dataset进行转换为ofrecord
 
     OFRECORD_PATH="./mini-imagenet/ofrecord"
+
+制作完成的TFRrecord数据形式如下：
+
+```plaintext
+ofrecord-imagenet
+                | 
+                train-00000-of-01024
+                train-00001-of-01024
+                ...
+                train-01022-of-01024
+                train-01023-of-01024
+                validation-00000-of-00128
+                validation-00001-of-00128
+                ...
+                validation-00126-of-00128
+                validation-00127-of-00128
+```
+
 ## 训练及推理
-### 环境配置
-提供[光源](https://www.sourcefind.cn/#/service-details)拉取的docker镜像：image.sourcefind.cn:5000/dcu/admin/base/oneflow:0.9.1-centos7.6-dtk-22.10.1-py39-latest
+
 ### fp32训练
+
 单机单卡训练命令：
 
     bash examples/train_graph_distributed_fp32.sh
@@ -30,16 +73,26 @@ Resnet50 网络中包含了 49 个卷积层、1个全连接层等。
 执行推理命令：
 
     bash examples/infer_graph.sh
-## 训练精度
+### 训练精度
 测试数据：mini-imagenet，使用的加速卡：4张DCU-Z100-16G。
 
 根据模型情况填写表格：
 | 卡数 | batch size | 类型 | Accuracy(%) |
 | :------: | :------: | :------: | -------- |
-| 1 | 128 | fp32 | 76.5/50 epoch |
-| 1 | 128 | fp16 | 76.3/50 epoch |
-| 4 | 128 | fp32 | 76.5/50 epoch |
-| 4 | 128 | fp16 | 76.3/50 epoch |
+| 1 | 128 | fp32 | 76.5/300 epoches |
+| 1 | 128 | fp16 | 76.3/300 epoches |
+| 4 | 128 | fp32 | 76.5/300 epoches |
+| 4 | 128 | fp16 | 76.3/300 epoches |
+## 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_oneflow

model.properties

+# 模型唯一标识
+modelCode=66
 # 模型名称
 modelName=Resnet50_OneFlow
 # 模型描述