Update README.md

README.md

@@ -20,7 +20,7 @@ ResNet50使用了多个具有残差连接的残差块来解决梯度消失或梯
 ```
 创建并启动容器
 ```
-docker run --shm-size 16g --network=host --name=ResNet50_v2 --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/ResNet50_v2_tvm:/home/ResNet50_v2_tvm -it <Your Image ID> /bin/bash
+docker run --shm-size 16g --network=host --name=ResNet50_v2 --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v /ResNet50_v2_tvm:/home/ResNet50_v2_tvm -it <Your Image ID> /bin/bash
 
 # 激活dtk
 source /opt/dtk/env.sh
@@ -63,6 +63,8 @@ source /opt/dtk/env.sh
 ```
   下载模型文件后执行以下命令进行推理测试及调优测试：
 ```
+    git clone http://developer.hpccube.com/codes/modelzoo/tvm_tune_resnet50-v2.git
+    cd tvm_tune_resnet50-v2
     python tune_resnet50-v2.py
 ```
     
@@ -99,7 +101,7 @@ source /opt/dtk/env.sh
 
    * https://developer.hpccube.com/codes/modelzoo/tvm_tune_resnet50-v2
 
-## 参考资料
+### 参考资料
 
-   * [https://tvm.apache.org/docs/how_to/tune_with_autoscheduler/tune_network_cuda.html]()
+   * https://tvm.apache.org/docs/how_to/tune_with_autoscheduler/tune_network_cuda.html