Update README.md

README.md

@@ -18,15 +18,15 @@ Vision Transformer先将图像用卷积进行分块以降低计算量，再对
 ```plaintext
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
 # <your IMAGE ID>用以上拉取的docker的镜像ID替换
-docker run --shm-size 10g --network=host --name=nit-pytorch --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined  -v /opt/hyhal:/opt/hyhal:ro -v $PWD/vit-pytorch:/home/vit-pytorch -it <your IMAGE ID> bash
+docker run --shm-size 10g --network=host --name=vit-pytorch --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined  -v /opt/hyhal:/opt/hyhal:ro -v $PWD/vit_pytorch:/home/vit_pytorch -it <your IMAGE ID> bash
 pip install -r requirements.txt
 ```
 
 ### Dockerfile（方法二）
 ```plaintext
 cd ViT-PyTorch/docker
-docker build --no-cache -t ViT-PyTorch:latest .
-docker run --rm --shm-size 10g --network=host --name=megatron --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v /opt/hyhal:/opt/hyhal:ro -v $PWD/../../ViT-PyTorch:/home/ViT-PyTorch -it megatron bash
+docker build --no-cache -t vit-pytorch:latest .
+docker run --rm --shm-size 10g --network=host --name=megatron --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v /opt/hyhal:/opt/hyhal:ro -v $PWD/../../vit_pytorch:/home/vit_pytorch -it vit-pytorch:latest bash
 # 若遇到Dockerfile启动的方式安装环境需要长时间等待，可注释掉里面的pip安装，启动容器后再安装python库：pip install -r requirements.txt
 ```
 
@@ -34,10 +34,10 @@ docker run --rm --shm-size 10g --network=host --name=megatron --privileged --dev
 1、关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装： https://developer.hpccube.com/tool/
 
 ```plaintext
-DTK驱动：dtk22.10.1
-python：python3.7
-torch:1.10.0
-torchvision:0.10.0
+DTK驱动：dtk24.04.1
+python：python3.10
+torch:2.1.0
+torchvision:0.16.0
 Tips：以上dtk驱动、python、torch等DCU相关工具版本需要严格一一对应
 ```
 
@@ -49,6 +49,7 @@ pip install -r requirements.txt
 
 ## 数据集
 [cifar10](http://113.200.138.88:18080/aidatasets/project-dependency/cifar)
+
 默认会自动下载数据集到data文件夹，可将cifar-10-python.tar.gz放置在data文件夹下
 
 ```