Update README.md, data/coco.yaml files

README.md

@@ -34,18 +34,21 @@ docker run -it --name {name} --shm-size=1024G  --device=/dev/kfd --device=/dev/d
 # 修改1 {name} 需要改为自定义名称，建议命名{框架_dtk版本_使用者姓名},如果有特殊用途可在命名框架前添加命名
 # 修改2 {docker_image} 需要需要创建容器的对应镜像名称，如: pytorch:1.10.0-centos7.6-dtk-23.04-py37-latest【镜像名称:tag名称】
 # 修改3 -v 挂载路径到容器指定路径
+pip install -r requirements.txt
 ```
 ### Dockerfile（方法二）
 ```
 cd docker
 docker build --no-cache -t yolov9_pytorch:1.0 .
 docker run -it --name {name} --shm-size=1024G  --device=/dev/kfd --device=/dev/dri/ --privileged --cap-add=SYS_PTRACE --security-opt seccomp=unconfined --ulimit memlock=-1:-1 --ipc=host --network host --group-add video -v {}:{} {docker_image} /bin/bash
+pip install -r requirements.txt
 ```
 ### Anaconda（方法三）
 线上节点推荐使用conda进行环境配置。
 创建python=3.10的conda环境
 ```
 conda create -n yolov9 python=3.10
+pip install -r requirements.txt
 ```
 
 关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
@@ -53,13 +56,9 @@ conda create -n yolov9 python=3.10
 DTK驱动：dtk23.10
 python：python3.10
 pytorch:1.13.1
+torchvision:0.14.1
 ```
-`Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应`
 
-其它非深度学习库参照requirements.txt安装：
-```
-pip install -r requirements.txt
-```
 ## 数据集
 `MS COCO`
 

data/coco.yaml

-path: ../datasets/coco  # dataset root dir
+path: datasets/coco  # dataset root dir
 train: train2017.txt  # train images (relative to 'path') 118287 images
 val: val2017.txt  # val images (relative to 'path') 5000 images
 test: test-dev2017.txt  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794