update Readme

README.md

@@ -6,20 +6,23 @@ transformers框架支持多种图像分类模型，现对天垓100加速卡进
 ## 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
+modelscope download --model microsoft/beit-base-patch16-224 README.md --local_dir /mnt/contest_ceph/zhoushasha/models/microsoft/beit_base_patch16_224_pt22k_ft22k
 ```
 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
+注意 Dockerfile_bi100 中已预先将模型 microsoft_beit_base_patch16_224_pt22k_ft22k 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 \
+  -v /mnt/contest_ceph/zhoushasha/models/image_models/microsoft_beit_base_patch16_224_pt22k_ft22k:/model:rw \
   --privileged bi100-3.2.1-x86-ubuntu20.04-py3.10-poc-llm-infer:test
 ```
+其中/mnt/contest_ceph/zhoushasha/models/image_models/microsoft_beit_base_patch16_224_pt22k_ft22k为你存放的模型文件的实际地址
+
 4、测试服务
 ```python
 curl -X POST http://localhost:10086/v1/private/s782b4996 \
@@ -46,27 +49,7 @@ AutoModelForImageClassification，执行图像分类的核心计算，输入预
  3、 轻量级模型：MobileNet 系列
  4、其他特殊设计：ConvNeXt
 
-## 视觉分类 模型测试服务请求示例
-```python
-import requests
 
-# 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())
-```
 
 ## 天垓100视觉分类模型适配情况 
 | 模型地址 | 类型 | 适配状态 | 天垓100准确率 | 天垓100吞吐量（张/秒） | cpu准确率 | cpu吞吐量（4C）（张/秒） | Submit Id |