readme file

README.md

-# TVM 
-## 模型介绍
-使用深度学习编译器TVM对ResNet50网络模型进行推理及调优
-## 模型结构
-ResNet50-v2
-## 数据集及模型文件
-模型文件下载地址： 
-      "https://github.com/onnx/models/raw/main/vision/classification/resnet/model/resnet50-v2-7.onnx"
-## 推理及自动调优
-### 环境配置
-拉取镜像：
-
-    docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:tvm-0.10_dtk-22.10_py38_centos-7.6
- 
-### 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
-    
-        
-## TVM版本
-   TVM-0.10
-
-## 历史版本
-   * 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]()
-
+# TVM 
+## 模型介绍
+```
+    使用深度学习编译器TVM对ResNet50网络模型进行推理、调优及部署
+```
+## 模型结构
+```
+    ResNet50-v2
+```
+## 数据集及模型文件
+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：
+```
+```
+
+### 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，将/tvm-0.11-dev0/apps/howto_deploy、路径下原有代码移除，将prepare_test_libs.py、run_example.sh、tvm_runtime_pack.cc、cow.jpg、Makefile、resnet50-v2_deploy.cc等代码及图片放置到该路径下执行
+以下命令：
+```
+    mkdir -p lib
+    python prepare_test_libs.py
+    sh run_example.sh
+```
+## 准确率数据
+```
+    max_num:15.6692
+    max_iter:0x28cda14
+    max_num_index:345
+```
+## TVM版本
+```
+    TVM-0.11
+```   
+    
+
+## 源码仓库及问题反馈
+   * https://developer.hpccube.com/codes/modelzoo/tvm_tune_resnet50-v2
+## 历史版本
+   * 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]()
+