Update README file

README.md

@@ -8,28 +8,28 @@
     ResNet50-v2
 ```
 ## 数据集及模型文件
-模型文件下载地址： 
+  模型文件下载地址： 
 ```
     "https://github.com/onnx/models/raw/main/vision/classification/resnet/model/resnet50-v2-7.onnx"
 ```
     
 
 ## 推理、自动调优及部署
-### 环境配置
-拉取镜像：
+###  环境配置
+  拉取镜像：
 ```
     docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm-0.11_fp32_cpp_dtk22.10_py38_centos-7.6-latest
 ```
 
-### 执行推理及调优
-下载模型文件后执行以下命令进行推理测试及调优测试：
+###  执行推理及调优
+  下载模型文件后执行以下命令进行推理测试及调优测试：
 ```
     python tune_resnet50-v2.py
 ```
     
     
-### 部署推理
-下载配置好镜像之后，cd /tvm-0.11-dev0/apps/ 进入该路径下，执行git clone https://developer.hpccube.com/codes/modelzoo/tvm_tune_resnet50-v2.git 下载代码，
+### 单卡部署推理测试
+  下载配置好镜像之后，cd /tvm-0.11-dev0/apps/ 进入该路径下，执行git clone https://developer.hpccube.com/codes/modelzoo/tvm_tune_resnet50-v2.git 下载代码，
 cd tvm_tune_resnet50-v2/ 进入该路径后，执行以下命令：
 ```
     mkdir -p lib
@@ -49,8 +49,10 @@ cd tvm_tune_resnet50-v2/ 进入该路径后，执行以下命令：
     
 
 ## 源码仓库及问题反馈
+
    * https://developer.hpccube.com/codes/modelzoo/tvm_tune_resnet50-v2
 
 ## 参考
+
    * [https://tvm.apache.org/docs/how_to/tune_with_autoscheduler/tune_network_cuda.html#sphx-glr-how-to-tune-with-autoscheduler-tune-network-cuda-py]()