Update README.md

README.md

@@ -27,18 +27,6 @@ VAR模型将图像的自回归学习重新定义为从粗糙到精细的“下
     <img src="./doc/VAR_detail.PNG"/>
 </div>
 
-## 代码改动说明
-ps：仓库中是改动后的代码，不需再次修改
-```
-# 1、VAR/train.py
-is_val_and_also_saving = (ep + 1) % 1 == 0 or (ep + 1) == args.ep  # 训练时间过长，为防止中断修改为每轮保存一次模型，原为(ep + 1) % 10 
-vae_ckpt = '/path/your_code_data/VAR/vae_ch160v4096z32.pth' # 修改vae模型位置
-
-# 2、VAR/models/basic_var.py
-fused_mlp_func = None # import下添加，dcu不支持 fused_dense.linear_act_forward
-memory_efficient_attention = None # import下添加，对于该仓库xformers没有适合dcu的算子
-```
-
 ## 环境配置
 ### Docker（方法一）
 ```
@@ -81,10 +69,23 @@ pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
 pip install -r requirements.txt
 git config --global --add safe.directory /your_code_path/VAR
 ```
-## 训练数据集
+
+### 代码改动说明
+ps：仓库中是改动后的代码，不需再次修改
+```
+# 1、VAR/train.py
+is_val_and_also_saving = (ep + 1) % 1 == 0 or (ep + 1) == args.ep  # 训练时间过长，为防止中断修改为每轮保存一次模型，原为(ep + 1) % 10 
+vae_ckpt = '/path/your_code_data/VAR/vae_ch160v4096z32.pth' # 修改vae模型位置
+
+# 2、VAR/models/basic_var.py
+fused_mlp_func = None # import下添加，dcu不支持 fused_dense.linear_act_forward
+memory_efficient_attention = None # import下添加，对于该仓库xformers没有适合dcu的算子
+```
+
+## 数据集
 `imagenet-1k`
 
-仅需要ILSVRC2012_img_train.tar、ILSVRC2012_img_val.tar作为数据集，可通过[scnet](http://113.200.138.88:18080/aidatasets/project-dependency/imagenet-2012)或[官网链接](https://image-net.org/challenges/LSVRC/2012/2012-downloads.php)进行下载，下载后的压缩包需要进行预处理。通过官网下载和处理数据集的代码如下：
+仅需要ILSVRC2012_img_train.tar、ILSVRC2012_img_val.tar作为数据集，可通过[scnet](http://113.200.138.88:18080/aidatasets/project-dependency/imagenet-2012)或[官网链接](https://image-net.org/challenges/LSVRC/2012/2012-downloads.php)进行下载，下载后的压缩包需要进行预处理。通过官网下载和处理完整数据集的代码如下：
 
 ps：本仓库准备了小数据集供训练测试，数据量约为完整数据集的1/130，可通过[scnet](http://113.200.138.88:18080/aidatasets/project-dependency/var)进行下载。
 ```