update gpu readme

gpu_mnist_example/README.md

@@ -26,7 +26,49 @@ Torch_MNIST_Example_Model模型可从本项目的模型目录中引用，[预训
   > ├── mnist_epoch1.pkl
   >
 
-## 二. 如何在云脑上获取代码路径，数据集路径，预训练模型路径，输出路径
+## 二.GPU样例准备
+
+##### 1，gpu示例代码：
+
+- 训练任务单卡示例请参考示例中[train.py](./train.py)的代码注释
+- 推理任务示例请参考示例中[inference.py](./inference.py)的代码注释
+- [model.py](./model.py)是运行项目所需的代码
+
+##### 2，创建GPU调试任务
+
+表1创建训练作业界面参数说明
+
+| 参数名称 | 说明                                                                                |
+| -------- | ----------------------------------------------------------------------------------- |
+| 代码分支 | 选择仓库代码中要使用的代码分支，默认可选择master分支                                |
+| 镜像     | 镜像选择含有python和torch的镜像，推荐镜像：                                         |
+| 启动文件 | 启动文件选择代码目录下的启动脚本，在本示例中选择gpu_mnist_example/train.py          |
+| 数据集   | 数据集选择MnistDataset_torch.zip                                                    |
+| 运行参数 | 选择增加运行参数可以向脚本中其他参数传值，如epoch_size,需要在代码里定义增加的超参数 |
+| 资源规格 | 规格选择[GPU]                                                                       |
+| 模型     | 模型选择Torch_MNIST_Example_Model                                                   |
+
+启动调试任务后，先执行prepare()进行数据准备；
+
+进入对应的代码目录后，可在终端执行python train.py；
+
+##### 3，创建GPU训练任务
+
+表2 创建训练作业界面参数说明
+
+| 参数名称 | 说明                                                                                |
+| -------- | ----------------------------------------------------------------------------------- |
+| 代码分支 | 选择仓库代码中要使用的代码分支，默认可选择master分支                                |
+| 镜像     | 镜像选择含有python和torch的镜像                                                     |
+| 启动文件 | 启动文件选择代码目录下的启动脚本，在本示例中选择gpu_mnist_example/train.py          |
+| 数据集   | 数据集选择MnistDataset_torch.zip                                                    |
+| 运行参数 | 选择增加运行参数可以向脚本中其他参数传值，如epoch_size,需要在代码里定义增加的超参数 |
+| 资源规格 | 规格选择[GPU]                                                                       |
+| 模型     | 模型选择Torch_MNIST_Example_Model                                                   |
+
+启动训练任务后，训练结束会在任务的结果下载页提供输出结果下载
+
+## 三. 如何在云脑上获取代码路径，数据集路径，预训练模型路径，输出路径
 
 ##### 1，准备数据
 
@@ -77,47 +119,6 @@ from c2net.context import prepare,upload_output
 upload_output()
 ```
 
-## 三.GPU样例准备
-
-##### 1，gpu示例代码：
-
-- 训练任务单卡示例请参考示例中[train.py](./train.py)的代码注释
-- 推理任务示例请参考示例中[inference.py](./inference.py)的代码注释
-
-##### 2，创建GPU调试任务
-
-表1创建训练作业界面参数说明
-
-| 参数名称 | 说明                                                                                |
-| -------- | ----------------------------------------------------------------------------------- |
-| 代码分支 | 选择仓库代码中要使用的代码分支，默认可选择master分支                                |
-| 镜像     | 镜像选择含有python和torch的镜像                                                     |
-| 启动文件 | 启动文件选择代码目录下的启动脚本，在本示例中选择gpu_mnist_example/train.py          |
-| 数据集   | 数据集选择MnistDataset_torch.zip                                                    |
-| 运行参数 | 选择增加运行参数可以向脚本中其他参数传值，如epoch_size,需要在代码里定义增加的超参数 |
-| 资源规格 | 规格选择[GPU]                                                                       |
-| 模型     | 模型选择Torch_MNIST_Example_Model                                                   |
-
-启动调试任务后，先执行prepare()进行数据准备；
-
-进入对应的代码目录后，可在终端执行python train.py；
-
-##### 3，创建GPU训练任务
-
-表2 创建训练作业界面参数说明
-
-| 参数名称 | 说明                                                                                |
-| -------- | ----------------------------------------------------------------------------------- |
-| 代码分支 | 选择仓库代码中要使用的代码分支，默认可选择master分支                                |
-| 镜像     | 镜像选择含有python和torch的镜像                                                     |
-| 启动文件 | 启动文件选择代码目录下的启动脚本，在本示例中选择gpu_mnist_example/train.py          |
-| 数据集   | 数据集选择MnistDataset_torch.zip                                                    |
-| 运行参数 | 选择增加运行参数可以向脚本中其他参数传值，如epoch_size,需要在代码里定义增加的超参数 |
-| 资源规格 | 规格选择[GPU]                                                                       |
-| 模型     | 模型选择Torch_MNIST_Example_Model                                                   |
-
-启动训练任务后，训练结束会在任务的结果下载页提供输出结果下载
-
 ## 四.GPU任务注意事项
 
 ##### 1, 使用超参数的方法