‘fixed-yolov7-doc’ (#85)

‘’

new_examples/vision/detection/yolov7/python/README.md

@@ -3,7 +3,7 @@
 在部署前，需确认以下两个步骤
 
 - 1. 软硬件环境满足要求，参考[FastDeploy环境要求](../../../../../docs/quick_start/requirements.md)  
-- 2. FastDeploy Python安装，参考[FastDeploy Python安装](../../../../../docs/quick_start/install.md)
+- 2. FastDeploy Python whl包安装，参考[FastDeploy Python安装](../../../../../docs/quick_start/install.md)
 
 本目录下提供`infer.py`快速完成YOLOv7在CPU/GPU，以及GPU上通过TensorRT加速部署的示例。执行如下脚本即可完成
 
@@ -12,6 +12,10 @@
 wget https://bj.bcebos.com/paddlehub/fastdeploy/yolov7.onnx
 wget https://gitee.com/paddlepaddle/PaddleDetection/raw/release/2.4/demo/000000087038.jpg
 
+#下载部署示例代码
+git clone https://github.com/PaddlePaddle/FastDeploy.git
+cd examples/vison/detection/yolov7/python/
+
 # CPU推理
 python infer.py --model yolov7.onnx --image 000000087038.jpg --device cpu
 # GPU推理
@@ -22,7 +26,6 @@ python infer.py --model yolov7.onnx --image 000000087038.jpg --device gpu --use_
 
 运行完成可视化结果如下图所示
 
-
 ## YOLOv7 Python接口
 
 ```
@@ -43,23 +46,23 @@ YOLOv7模型加载和初始化，其中model_file为导出的ONNX模型格式
 > ```
 > YOLOv7.predict(image_data, conf_threshold=0.25, nms_iou_threshold=0.5)
 > ```
+> 
 > 模型预测结口，输入图像直接输出检测结果。
->
+> 
 > **参数**
->
+> 
 > > * **image_data**(np.ndarray): 输入数据，注意需为HWC，BGR格式
 > > * **conf_threshold**(float): 检测框置信度过滤阈值
 > > * **nms_iou_threshold**(float): NMS处理过程中iou阈值
 
 > **返回**
->
+> 
 > > 返回`fastdeploy.vision.DetectionResult`结构体，结构体说明参考文档[视觉模型预测结果](../../../../../docs/api/vision_results/)
 
 ### 类成员属性
 
 > > * **size**(list | tuple): 通过此参数修改预处理过程中resize的大小，包含两个整型元素，表示[width, height], 默认值为[640, 640]
 
-
 ## 其它文档
 
 - [YOLOv7 模型介绍](..)