diff --git a/README.md b/README.md
index 3e358470454c3ec009d18573f4c289168880faed..24202f9381d83f76cb3fb711b470502ae31521ca 100644
--- a/README.md
+++ b/README.md
@@ -1,5 +1,28 @@
-# classification   
-物体识别分类  
+# classification    
+物体识别分类   
 
-## 项目介绍   
-该项目对物体进行识别分类。
+## 项目介绍    
+该项目对物体进行识别分类。  
+
+## 项目配置   
+* 作者开发环境：   
+* Python 3.7   
+* PyTorch >= 1.5.1   
+
+## 数据集     
+采用"Stanford Dogs Dataset"数据集官方地址：http://vision.stanford.edu/aditya86/ImageNetDogs/，且分为训练和测试两部分。   
+本文将该数据集的标注文件改为xml格式，可以通过运行read_datasests.py,可以对数据的标注信息进行解析可视化。    
+
+## 预训练模型    
+* [预训练模型下载地址： ~    
+
+
+## 项目使用方法  
+### 模型训练  
+* 根目录下运行命令： python train.py       (注意脚本内相关参数配置 )   
+
+### 模型推理  
+* 根目录下运行命令： python inference.py        (注意脚本内相关参数配置 )   
+
+### 注意事项    
+* 因为数据集的整张图会有大量背景、多只狗等干扰因素。本文采用的图像输入是"Stanford Dogs Dataset"数据集的目标边界框范围图像，这样也觉定了在模型推断预测环境下也是以目标物的边界框为范围的图像作为输入。