Update README.md

README.md

@@ -16,9 +16,9 @@ Vision Transformer先将图像用卷积进行分块以降低计算量，再对
 ## 环境配置
 ### Docker（方法一）
 ```plaintext
-docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+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 $PWD/vit-pytorch:/home/vit-pytorch -it <your IMAGE ID> bash
+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
 pip install -r requirements.txt
 ```
 
@@ -26,7 +26,7 @@ pip install -r requirements.txt
 ```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 $PWD/../../ViT-PyTorch:/home/ViT-PyTorch -it megatron bash
+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
 # 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
 ```
 
@@ -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
 
 ```
 ├── batches.meta
@@ -70,17 +71,17 @@ wget https://storage.googleapis.com/vit_models/imagenet21k/ViT-B_16.npz
 ### 单机单卡
 ```
 export HIP_VISIBLE_DEVICES=0
-python3 -m torch.distributed.launch --nproc_per_node=1 train.py --name cifar10-100_500 --dataset cifar10 --model_type ViT-B_16 --pretrained_dir checkpoint/ViT-B_16.npz --train_batch_size 64 --num_steps 500
+python3 -m torch.distributed.launch --nproc_per_node=1 --use-env train.py --name cifar10-100_500 --dataset cifar10 --model_type ViT-B_16 --pretrained_dir checkpoint/ViT-B_16.npz --train_batch_size 64 --num_steps 500
 ```
 
 ### 单机多卡
 ```
-python3 -m torch.distributed.launch --nproc_per_node=8 train.py --name cifar10-100_500 --dataset cifar10 --model_type ViT-B_16 --pretrained_dir checkpoint/ViT-B_16.npz --train_batch_size 64 --num_steps 500
+python3 -m torch.distributed.launch --nproc_per_node=8 --use-env train.py --name cifar10-100_500 --dataset cifar10 --model_type ViT-B_16 --pretrained_dir checkpoint/ViT-B_16.npz --train_batch_size 64 --num_steps 500
 ```
 
 ## result
 ![1695381570003](image/README/1695381570003.png)
-## 精度
+### 精度
 测试数据使用的是cifar10，使用的加速卡是DCU Z100L。
 
 | 卡数 | 精度 |
@@ -92,10 +93,10 @@ python3 -m torch.distributed.launch --nproc_per_node=8 train.py --name cifar10-1
 图像分类
 
 ### 热点行业
-制造，能源，交通，网安
+制造,能源,交通,网安
 
 ### 源码仓库及问题反馈
-- https://developer.hpccube.com/codes/modelzoo/vit-pytorch
+- https://developer.hpccube.com/codes/modelzoo/vit_pytorch
 
-### 参考
+### 参考资料
 - https://github.com/jeonsworld/ViT-pytorch