修改readme

README.md

@@ -15,6 +15,11 @@ https://arxiv.org/pdf/2010.02502
 输入文本信息，再用random函数生成一个高斯噪声矩阵 作为Latent Feature(隐空间特征)的“替代” 输入到SD模型的 “图像优化模块” 中；
 首先图像优化模块是由U-Net网络和Schedule算法 组成，将图像优化模块进行优化迭代后的Latent Feature输入到 图像解码器 （VAE Decoder） 中，将Latent Feature重建成像素级图。
 
+<img src=./text_encoder.png style="zoom:100%;" align=middle>
+
+<img src=./unet.png style="zoom:100%;" align=middle>
+
+<img src=./vae.png style="zoom:100%;" align=middle>
 
 ## 环境配置
 
@@ -53,13 +58,13 @@ source /opt/dtk/env.sh
 
 ## 环境配置
 
-#### 设置环境变量
+### 设置环境变量
 
 ```shell
 export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
 ```
 
-#### 安装依赖
+### 安装依赖
 
 ```shell
 # 进入python示例目录
@@ -68,19 +73,21 @@ cd <path_to_sd2.1_migraphx>
 # 安装依赖
 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
 ```
-#### 模型下载
+### 模型下载
 
 百度云下载 链接：https://pan.baidu.com/s/1JgJ0WUlhpey-ALsA48iyWw?pwd=mpp1 提取码：mpp1 下载后模型的目录为sd21-onnx，下面运行示例命令中的onnx-model-path参数就设置为该onnx模型目录。
 
 ## 推理
 
+### 运行示例
+
 stablediffusion_v2.1模型的推理示例程序是Diffusion_test_offload_false.py，使用如下命令运行该推理示例：
 
 ```shell
 python Diffusion_test_offload_false.py --prompt "a photograph of an astronaut riding a horse" --seed 13 --output astro_horse.jpg --steps 50 --fp16 all --onnx-model-path sd21-onnx
 ```
 
-## result
+### result
 
 推理结果：