Update README.md

README.md

@@ -17,7 +17,7 @@ RTMDet 将 CSPDarkNet 作为基线，并使用同样构建单元组成的 CSPPAF
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04.1-py38-latest
 docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
 cd /path/workspace/
-python -v -e .
+pip install mmdet==3.2.0 -i https://mirrors.aliyun.com/pypi/simple/
 pip3 install -r requirements.txt
 ```
 ### Dockerfile（方法二）
@@ -26,7 +26,6 @@ cd ./docker
 docker build --no-cache -t mmdet:3.0 .
 docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
 cd /path/workspace/
-python -v -e .
 ```
 ### 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/
@@ -87,7 +86,7 @@ bash ./train.sh
 ## 推理
 ```python
 # 官方推理代码
-python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cpu
+python demo/image_demo.py demo/demo.jpg ./configs/rtmdet/rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cuda
 ```
 ## result
 ![result](./resources/result.jpg)