update Readme

README.md

@@ -1,8 +1,44 @@
 # image-classification-transformers
 
 ## 天数智芯 天垓100 视觉分类
-transformers框架支持多种图像分类模型，现对天垓100加速卡进行transformers框架的适配并且带入到信创算力测试框架中。将视觉分类模型放在天数卡（天垓100）上运行且测试性能，与CPU(4c)运行结果对比，注意该测试框架下的模型需适配transformers库。
+transformers框架支持多种图像分类模型，现对天垓100加速卡进行transformers框架的适配并且带入到信创算力测试框架中。将视觉分类模型放在天数卡（天垓100）上运行且测试性能，注意该测试框架下的模型需适配transformers库。
-使用 Hugging Face 的transformers库加载预训练模型，支持同时使用 CPU 和 GPU 进行图像分类推理。
+
+## Quick Start
+1、首先从 modelscope上下载视觉分类的模型，例如 microsoft/beit-base-patch16-224
+```python
+modelscope download --model microsoft/beit-base-patch16-224 README.md --local_dir /mnt/contest_ceph/zhoushasha/models/microsoft/beit-base-patch16-224
+```
+2、使用Dockerfile生成镜像
+从仓库的【软件包】栏目下载基础镜像 bi100-3.2.1-x86-ubuntu20.04-py3.10-poc-llm-infer:v1.2.2
+使用 Dockerfile_bi100 生成 镜像,例如 bi100-3.2.1-x86-ubuntu20.04-py3.10-poc-llm-infer:test
+注意 Dockerfile_bi100 中已预先将模型 microsoft/beit-base-patch16-224 放在了 /model 下面
+3、启动docker
+```python
+docker run -it --rm \
+  -p 10086:80 \
+  --name test_zss \
+  -v /mnt/contest_ceph/zhoushasha/models/microsoft/beit-base-patch16-224:/model:rw \
+  --privileged bi100-3.2.1-x86-ubuntu20.04-py3.10-poc-llm-infer:test
+```
+4、测试服务
+```python
+# 服务地址（根据实际部署修改）
+BASE_URL = "http://localhost:80"
+PREDICT_ENDPOINT = "/v1/private/s782b4996"
+
+# 本地图片路径（替换为你的图片路径）
+IMAGE_PATH = "test_image.jpg"
+
+# 读取图片文件并发送请求
+with open(IMAGE_PATH, "rb") as f:
+    files = {"image": f}  # 键名必须为 "image"，与服务端接收字段一致
+    response = requests.post(f"{BASE_URL}{PREDICT_ENDPOINT}", files=files)
+
+# 打印响应结果
+print("预测接口响应状态码：", response.status_code)
+print("预测结果：")
+print(response.json())
+```
 
 ## 视觉分类模型测试服务原理