Update 24.04.1

README.md

@@ -38,8 +38,8 @@ Revisting query filtering in Focus DETR。Focus DETR引入了一个额外的分
 ### Docker（方法一）
 此处提供[光源](https://www.sourcefind.cn/#/service-details)拉取docker镜像的地址与使用步骤，以及[光合](https://developer.hpccube.com/tool/)开发者社区深度学习库下载地址
 ```
-docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-centos7.6-dtk23.10-py38 
-docker run -it --shm-size=128G -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal:/opt/hyhal:ro --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name salience_detr_pytorch  <your IMAGE ID> bash # <your IMAGE ID>为以上拉取的docker的镜像ID替换，本镜像为：ffa1f63239fc
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10 
+docker run -it --shm-size=128G -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal:/opt/hyhal:ro --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name salience_detr_pytorch  <your IMAGE ID> bash # <your IMAGE ID>为以上拉取的docker的镜像ID替换
 cd /path/your_code_data/salience_detr_pytorch
 pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
 
@@ -58,14 +58,11 @@ pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/  --tr
 
 关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
 ```
-#DTK驱动：dtk23.10
-# python：python3.8
-# torch: 2.1.0
-# torchvision: 0.16.0
-conda create -n salience_detr python=3.8
-conda activate salience_detr
-pip install torch-2.1.0a0+git793d2b5.abi0.dtk2310-cp38-cp38-manylinux2014_x86_64.whl
-pip install torchvision-0.16.0+git267eff6.abi0.dtk2310.torch2.1.0-cp38-cp38-manylinux2014_x86_64.whl
+DTK驱动：dtk24.04.1
+python：python3.10
+torch: 2.1.0
+torchvision: 0.16.0
+
 ```
 `Tips：以上dtk驱动、python、torch等DCU相关工具版本需要严格一一对应`
 
@@ -78,8 +75,6 @@ pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/  --tr
 ## 数据集
 
 请下载[COCO 2017](https://cocodataset.org/#home)([COCO 2017 SCNET快速下载地址](http://113.200.138.88:18080/aidatasets/coco2017))或将自己的数据集准备到data/中，并按如下方式组织它们。您可以使用tools/visualize_datasets.py可视化数据集注释以验证其正确性。
-
-
 ```
 coco/
   ├── train2017/
@@ -134,7 +129,9 @@ python inference.py --image-dir ./images --model-config configs/salience_detr/sa
 Evaluation/Test:
 
 ```
+<!--
 # CUDA_VISIBLE_DEVICES=<gpu_ids> accelerate launch test.py --coco-path /path/to/coco --model-config /path/to/model.py --checkpoint /path/to/checkpoint.pth
+-->
 
 HIP_VISIBLE_DEVICES=0 accelerate launch test.py --coco-path ./data/coco --model-config configs/salience_detr/salience_detr_resnet50_800_1333.py --checkpoint checkpoint/salience_detr_resnet50_800_1333_coco_2x.pth
 
@@ -144,9 +141,12 @@ HIP_VISIBLE_DEVICES=0 accelerate launch test.py --coco-path ./data/coco --model-
 ### 多卡推理
 
 ```
+<!--
 CUDA_VISIBLE_DEVICES=<gpu_ids> accelerate launch test.py --coco-path /path/to/coco --model-config /path/to/model.py --checkpoint /path/to/checkpoint.pth
+-->
 HIP_VISIBLE_DEVICES=0,1,2,3 accelerate launch test.py --coco-path ./data/coco --model-config configs/salience_detr/salience_detr_resnet50_800_1333.py --checkpoint checkpoint/salience_detr_resnet50_800_1333_coco_2x.pth
 ```
+注：如遇到端口被占用的情况，需要在launch后面添加参数--main_process_port用来指定端口
 
 ## result
 原图：