修改readme

README.md

@@ -8,11 +8,11 @@ YOLOV7是2022年最新出现的一种YOLO系列目标检测模型，在论文 [Y
 
 YoloV7模型的网络结构包括三个部分：input、backbone和head。与yolov5不同的是，将neck层与head层合称为head层，实际上的功能是一样的。各个部分的功能和yolov5相同，如backbone用于提取特征，head用于预测。yolov7依旧基于anchor based的方法，同时在网络架构上增加E-ELAN层，并将REP层也加入进来，方便后续部署，同时在训练时，在head时，新增Aux_detect用于辅助检测。
 
-## python版本推理
+## Python版本推理
 
-下面介绍如何运行python代码示例，具体推理代码解析，在Doc/Tutorial_Python.md中有详细说明。
+下面介绍如何运行Python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。
 
-### 拉取镜像
+### 下载镜像
 
 在光源可拉取推理的docker镜像，YoloV7工程推荐的镜像如下：
 
@@ -20,9 +20,13 @@ YoloV7模型的网络结构包括三个部分：input、backbone和head。与yol
 docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
 ```
 
-### 推理示例
+### 设置Python环境变量
 
-YoloV7模型的推理示例程序是YoloV7_infer_migraphx.py，使用如下命令运行该推理示例：
+```
+export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
+```
+
+### 安装依赖
 
 ```
 # 进入python示例目录
@@ -30,8 +34,13 @@ cd <path_to_yolov7_migraphx>/Python
 
 # 安装依赖
 pip install -r requirements.txt
+```
+
+### 运行示例
+
+YoloV7模型的推理示例程序是YoloV7_infer_migraphx.py，在Python目录下使用如下命令运行该推理示例：
 
-# 运行程序
+```
 python YoloV7_infer_migraphx.py \
 	--imgpath 测试图像路径 \ 
 	--modelpath onnx模型路径 \
@@ -46,9 +55,15 @@ python YoloV7_infer_migraphx.py \
 
 ## C++版本推理
 
-下面介绍如何运行C++代码示例，具体推理代码解析，在Doc/Tutorial_Cpp.md目录中有详细说明。
+下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
+
+### 下载镜像
+
+在光源中下载MIGraphX镜像：
 
-参考Python版本推理中的构建安装，在光源中拉取推理的docker镜像。
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
+```
 
 ### 安装Opencv依赖
 
@@ -93,7 +108,7 @@ export LD_LIBRARY_PATH=<path_to_yolov7_migraphx>/depend/lib/:$LD_LIBRARY_PATH
 source ~/.bashrc
 ```
 
-### 推理示例
+### 运行示例
 
 成功编译YoloV7工程后，执行如下命令运行该示例：