modeify readme and add some pictures

README.md

@@ -43,6 +43,12 @@ mmcv-full：1.6.1+gitdebbc80.dtk2210
 ```
 `Tips：以上dtk驱动、python、pytorch、mmcv等DCU相关工具版本需要严格一一对应`
 
+之后还需要对部分版本进行限制
+
+```
+pip3 install yapf==0.32.0
+```
+
 ## 数据集
 `something v2`
 
@@ -71,7 +77,7 @@ cat 20bn-something-something-v2-?? | tar zx
 解压完成后使用如下命令抽取RGB帧
 
 ```
-cd ./tsm_pytorch/tools/data/sthv2/
+cd /workspace/tools/data/sthv2/
 bash extract_rgb_frames_opencv.sh   
 ```
 
@@ -117,7 +123,6 @@ bash generate_rawframes_filelist.sh
 └── videos
 ```
 ## 训练
-一般情况下，ModelZoo上的项目提供单机训练的启动方法即可，单机多卡、单机单卡至少提供其一训练方法。
 ### 单机多卡
 ```
 bash train.sh
@@ -133,8 +138,15 @@ bash train_single.sh
 
 测试的日志会以tsm_dcu_date.log的形式保存在工程的根目录中
 
+<figure>
+<img src="result_1.png" width=500/>
+<img src="result_2.png" width=500/>
+<img src="result_3.png" width=500/>
+<img src="result_4.png" width=500/>
+</figure>
 
 ### 精度
+
 测试数据：something v2，使用的加速卡:Z100L。
 
 根据测试结果情况填写表格：
@@ -143,7 +155,7 @@ bash train_single.sh
 | 4 | 59.14% |
 ## 应用场景
 ### 算法类别
-`视频分析,动作识别`
+`动作识别`
 
 ### 热点应用行业
 `交通,政府,家居`

model.properties

@@ -5,6 +5,6 @@ modelName=tsm_pytorch
 # 模型描述
 modelDescription=TSM模型是一种基于时序建模的深度学习算法，利用时间偏移增强视频帧序列的表示能力，用于提高视频动作识别的准确性和鲁棒性。
 # 应用场景
-appScenario=训练,交通,政府,家居
+appScenario=训练,动作识别,交通,政府,家居
 # 框架类型
 frameType=pytorch