Update README.md, model.properties files

README.md

@@ -30,7 +30,7 @@ docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk
 ```
 创建容器并挂载目录进行开发：
 ```
-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
+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 /opt/hyhal:/opt/hyhal:ro -v {}:{} {docker_image} /bin/bash
 # 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
@@ -40,7 +40,7 @@ pip install -r requirements.txt
 ```
 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
+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 /opt/hyhal:/opt/hyhal:ro -v {}:{} {docker_image} /bin/bash 
 pip install -r requirements.txt
 ```
 ### Anaconda（方法三）
@@ -48,7 +48,6 @@ pip install -r requirements.txt
 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。
@@ -58,7 +57,11 @@ python：python3.10
 pytorch:1.13.1
 torchvision:0.14.1
 ```
-
+激活conda环境并安装其他依赖包
+```
+conda activate yolov9
+pip install -r requirements.txt
+```
 ## 数据集
 `MS COCO`
 

model.properties

@@ -5,6 +5,6 @@ modelName=yolov9_pytorch
 # 模型描述
 modelDescription=yolov9是一种基于深度学习的目标检测算法,可以广泛应用于各种计算机视觉和人工智能领域的应用中
 # 应用场景
-appScenario=推理,训练,金融,交通,教育
+appScenario=推理,训练,目标检测,安防,交通,教育
 # 框架类型
 frameType=pytorch