Update README

README.md

@@ -17,7 +17,7 @@ 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
 docker pull image.sourcefind.cn:5000/dcu/admin/base/tensorflow:2.7.0-centos7.6-dtk-22.10.1-py38-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_tensorFlow --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/resnet50_tensorflow:/home/resnet50_tensorflow -it <Your Image ID> bash
-pip install -r requirements.txt
+pip install -r requirements.txt --no-deps
 ```
 ### Dockerfile(方法二)
 ```
@@ -27,12 +27,12 @@ docker run --rm --shm-size 16g --network=host --name=resnet50_tensorflow --privi
 
 ```
 ### Anaconda(方法三)
-1、关于本项目DCU显卡所需的特殊深度学习库可以从开发社社区下载安装：
+1、关于本项目DCU显卡所需的特殊深度学习库可以从开发者社区下载安装：
 https://developer.hpccube.com/tool/
 ```
 DTK版本：dtk22.10.1
 python:  3.8
-tensorflow: 2.9
+tensorflow: 2.7
 tf-models-official: 2.7
 keras: 2.7
 tensorboard: 2.7
@@ -50,6 +50,7 @@ pip3 install -r requirements.txt  --no-deps
 ImageNet数据集可以[官网](https://image-net.org/ "ImageNet数据集官网")下载、百度搜索或者联系我们
 ImageNet数据集转成TFRecord格式，可以参考以下[script](https://github.com/tensorflow/tpu/blob/master/tools/datasets/imagenet_to_gcs.py)和[README](https://github.com/tensorflow/tpu/tree/master/tools/datasets#imagenet_to_gcspy)
 制作完成的TFRrecord数据形式如下：
+```
 tfrecord-imagenet
                 | 
                 train-00000-of-01024
@@ -60,7 +61,7 @@ tfrecord-imagenet
                 validation-00001-of-00128
                 ...
                 validation-00127-of-00128
-
+```
 2、合成数据
 基于随机合成的数据，不需要下载ImageNet数据集，执行网络训练时只需要把程序执行语句中的--use_synthetic_data设置为true即可