Initial commit

README.md

-# UNET_pytorch
+# UNET
 ## 论文
 `U-Net: Convolutional Networks for Biomedical Image Segmentation`
 
@@ -30,6 +30,9 @@ docker run -it --network=host --name=unet --privileged --device=/dev/kfd --devic
 ```
 DTK驱动：dtk23.04
 python：python3.7
+apex==0.1+f49ddd4.abi0.dtk2304.torch1.13
+torch==1.13.1+git55d300e.abi0.dtk2304
+torchvision==0.14.1+git9134838.abi0.dtk2304.torch1.13
 ```
 `Tips：以上dtk驱动、python等DCU相关工具版本需要严格一一对应`
 
@@ -50,25 +53,28 @@ bash scripts/download_data.sh
 ```
  ── data
     │   ├── imgs
-    │   ├──────fff9b3a5373f_01.jpg
-    │   ├──────fff9b3a5373f_02.jpg
+    │   ├──────fff9b3a5373f_15.jpg
+    │   ├──────fff9b3a5373f_16.jpg
     │   └── masks
-    │   ├────── fff9b3a5373f_01.gif
-    │   ├────── fff9b3a5373f_02.gif
+    │   ├────── fff9b3a5373f_15.gif
+    │   ├────── fff9b3a5373f_16.gif
 ```
 ## 训练
+### 单机单卡
+```
+python train.py
+```
 ### 单机多卡
 ```
 python -m torch.distributed.launch --nproc_per_node 4 train_ddp.py
 ```
 
-### 单机单卡
-```
-python train.py
-```
 ## 推理
+
+[模型下载路径](https://github.com/milesial/Pytorch-UNet/releases/tag/v3.0)
+
 ```
-python predict.py -i image.jpg -o output.jpg
+python predict.py -m model_path -i image.jpg -o output.jpg
 ```
 ## result
 ![rusult](https://developer.hpccube.com/codes/modelzoo/unet-pytorch/-/raw/main/doc/结果.png)
@@ -83,10 +89,10 @@ python predict.py -i image.jpg -o output.jpg
 ## 应用场景
 ### 算法类别
 
-`视觉、图像分割`
+`图像分割`
 
 ### 热点应用行业
-`医学图像分析`、`卫星图像分析`、`自然图像分割`、`工业检测`
+`医疗`
 
 ## 源码仓库及问题反馈
 - https://developer.hpccube.com/codes/modelzoo/unet-pytorch