diff --git a/Classification/resnet50/README.md b/Classification/resnet50/README.md
new file mode 100644
index 0000000..3be3866
--- /dev/null
+++ b/Classification/resnet50/README.md
@@ -0,0 +1,25 @@
+# 使用Ansible在多节点环境分布式训练
+
+文件目录
+
+```
+.
+├── 0_dist_ssh_key                    # 分发 SSH 公钥到各个节点
+│   ├── distribute_ssh_key.yml        # ansible playbook
+│   ├── dist_ssh_key.sh               # 执行脚本
+│   ├── inventory.ini                 # 仅用于分发公钥的主机清单文件，需要根据实际情况配置
+│   ├── README.md                     # 说明文件
+│   └── vars.yml                      # 初始未加密的用户密码文件，需经过配置并加密后使用
+├── 1_get_docker_image                # 各个节点获取 docker 镜像
+│   ├── load_and_tag_docker_image.yml # 导入镜像 ansible playbook
+│   ├── load.sh                       # 导入镜像执行脚本
+│   ├── pull_docker_image.yml         # 拉取镜像 ansible playbook
+│   ├── pull.sh                       # 拉取镜像执行脚本
+│   └── README.md                     # 说明文件
+├── inventory.ini                     # 主机清单文件，需要根据实际情况配置
+└── README.md                         # 说明文件
+```
+
+
+
+
diff --git a/Classification/resnet50/Readme.md b/Classification/resnet50/Readme.md
deleted file mode 100644
index b19a080..0000000
--- a/Classification/resnet50/Readme.md
+++ /dev/null
@@ -1,225 +0,0 @@
-# 千卡 0.85
-
-[toc]
-
-## 文件目录结构
-```
-├── ansible_workspace # 主节点上的工作目录
-│   ├── inventory.ini # 用来配置节点信息
-│   ├── set_docker.sh # 在各节点上创建docker，并且配置好docker内环境
-│   ├── profile.sh # 根据节点数启动profile
-│   ├── train.sh # 根据节点数启动训练
-│   └── update_tools.sh # 将主节点的tools文件夹复制到各个子节点
-├── tools # 在各个节点使用的文件
-│   ├── args_train_ddp_graph_resnet50.sh # 接受模型训练参数并启动训练
-│   ├── models.tar.gz # 模型，为防止git网络问题，建议先下载放在共享目录下
-│   ├── extract.py # 提取log中train阶段的throughput的平均值
-│   ├── prepare_docker.sh # 用于配置docker内环境
-│   ├── profile.sh # 根据节点数在本机启动profile
-│   └── train.sh # 根据节点数在本机启动训练
-└── Readme.md
-```
-
-需求：有NVLink，以及 shared_nfs
-
-以下供参考
-
-## 第一步： 配置环境
-
-### 1.1 所有节点配置SSH Key，并设置authorized_keys
-
-（怎么自动化）
-
-需要一个共享的存储空间，如：`/shared_nfs/k85`，在一个文件夹下准备好 
-
-- authorized_keys : 在主节点运行 
-
-  ```bash
-  #!/bin/bash
-  
-  # 设置 SSH 目录路径
-  SSH_DIR="$HOME/.ssh"
-  
-  # 检查 SSH 目录是否存在，如果不存在则创建
-  if [ ! -d "$SSH_DIR" ]; then
-    mkdir -p "$SSH_DIR"
-    echo "Created directory: $SSH_DIR"
-  fi
-  
-  # 设置密钥文件路径
-  KEY_PATH="$SSH_DIR/id_rsa"
-  
-  # 生成 SSH 密钥对
-  ssh-keygen -t rsa -b 2048 -f "$KEY_PATH" -N "" -q
-  
-  # 创建 authorized_keys 文件
-  cat $SSH_DIR/id_rsa.pub > $SSH_DIR/authorized_keys
-  
-  # 将 authorized_keys 文件拷贝到共享目录
-  cp $SSH_DIR/authorized_keys shared_nfs/k85
-  ```
-
-- 在子节点运行
-
-  ```bash
-  #!/bin/bash
-  
-  # 设置 SSH 目录路径
-  SSH_DIR="$HOME/.ssh"
-  
-  # 检查 SSH 目录是否存在，如果不存在则创建
-  if [ ! -d "$SSH_DIR" ]; then
-    mkdir -p "$SSH_DIR"
-    echo "Created directory: $SSH_DIR"
-  fi
-  
-  # 设置密钥文件路径
-  KEY_PATH="$SSH_DIR/id_rsa"
-  
-  # 生成 SSH 密钥对
-  ssh-keygen -t rsa -b 2048 -f "$KEY_PATH" -N "" -q
-  
-  # 将 authorized_keys 文件拷贝到 .ssh 目录
-  cp shared_nfs/k85/authorized_keys $SSH_DIR
-  ```
-
-### 1.2 主节点安装 Ansible，并配置节点ip
-示例文件：./ansible_workspace/inventory.ini
-```ini
-[hosts]
-of27 ansible_host=192.168.1.27 ansible_ssh_common_args='-o StrictHostKeyChecking=no'
-of25 ansible_host=192.168.1.25 ansible_ssh_common_args='-o StrictHostKeyChecking=no'
-of26 ansible_host=192.168.1.26 ansible_ssh_common_args='-o StrictHostKeyChecking=no'
-of28 ansible_host=192.168.1.28 ansible_ssh_common_args='-o StrictHostKeyChecking=no'
-```
-
-### 1.3 共享目录中拷贝镜像、数据集、models脚本
-主要为设置docker内环境的脚本 和 启动docker内训练的脚本
-设置docker内环境脚本(./tools/prepare_docker.sh)如下：
-```Bash
-#!/bin/bash
-# 将tools视为共享目录
-pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
-python3 -m pip install --upgrade pip
-python3 -m pip install --pre oneflow -f https://oneflow-staging.oss-cn-beijing.aliyuncs.com/branch/master/cu121
-
-
-cd /workspace 
-cp tools/models.tar.gz ./
-tar -xvf models.tar.gz
-pip install -r models/dev-requirements.txt
-pip install -r models/Vision/classification/image/resnet50/requirements.txt
-
-# 将需要使用到的脚本拷到对应文件夹下
-cp tools/args_train_ddp_graph_resnet50.sh models/Vision/classification/image/resnet50/examples/
-cp tools/train.sh models/Vision/classification/image/resnet50/
-cp tools/profile.sh models/Vision/classification/image/resnet50/
-```
-启动dokcer内训练的脚本(./tools/train.sh)如下：
-```Bash
-# 根据使用的节点数，来判断本机是否开始训练
-NUM_NODES=${1:-1}
-
-if [ "$NODE_RANK" -lt "$NUM_NODES" ]; then
-  bash examples/args_train_ddp_graph_resnet50.sh "$NUM_NODES" 8 "$NODE_RANK" 192.168.1.27 /data/dataset/ImageNet/ofrecord 192 50 true python3 graph gpu 100 false '' 1
-else
-  echo do nothing
-fi
-```
-启动dokcer内profile(./tools/profile.sh)如下：
-```Bash
-# 根据使用的节点数，来判断是否在本地开始profile
-NUM_NODES=${1:-1}
-
-if [ "$NODE_RANK" -lt "$NUM_NODES" ]; then
-  # 在启动训练时添加nsys启动路径，即可进行profile
-  bash examples/args_train_ddp_graph_resnet50.sh "$NUM_NODES" 8 "$NODE_RANK" 192.168.1.27 /data/dataset/ImageNet/ofrecord 192 50 true python3 graph gpu 100 false '/usr/local/cuda/bin/nsys' 1
-else
-  echo do nothing
-fi
-```
-args_train_ddp_graph_resnet50.sh文件参考自OneAutoTest仓库[args_train_ddp_graph.sh](https://github.com/Oneflow-Inc/OneAutoTest/blob/main/ResNet50/args_train_ddp_graph.sh)，其中包含使用nsys启动的选项
-### 1.4 使用ansible 在所有节点执行 docker load, docker tag命令
-根据上文中inventory.ini文件依次在节点上创建docker，并将NODE_RANK写入docker的环境变量内，脚本(./ansible_workspace/set_docker.sh)内容如下：
-```Bash
-set -ex
-if [ $# -ne 1 ]; then
-  echo "Usage: $0 filename"
-  exit 1
-fi
-host_file="$1"
-num_hosts=$(wc -l < "$host_file")
-docker_name="cd_test"
-
-mapfile -t lines < "$host_file"
-
-for (( i=1; i<${#lines[@]}; i++ )); do
-  line="${lines[$i]}"
-  host_name=$(echo "$line" | awk '{print $1}')
-  # 根据inventory.ini文件中节点顺序，将NODE_RANK写入docker的环境变量中
-  ansible $host_name -i $host_file -m shell -a "docker run -itd -e NODE_RANK=$((i-1)) -v /data/dataset/ImageNet:/data/dataset/ImageNet -v /data/home/chende/tools:/workspace/tools --network host --gpus all --shm-size=16g --ulimit memlock=-1 --ulimit core=0 --ulimit stack=67108864 --privileged --ipc host --cap-add=IPC_LOCK --name $docker_name nvcr.io/nvidia/pytorch:24.03-py3 bash"
-done
-# 在docker内运行环境设置的脚本
-ansible hosts -i "$host_file" -m shell -a "docker exec $docker_name bash -c 'bash /workspace/tools/prepare_docker.sh'"
-```
-使用方式：
-```Bash
-bash set_docker.sh inventory.ini
-```
-
-## 第二步：进行测试
-
-### 2.1 自动测试与日志搜集
-
-编写一个测试命令脚本文件（./ansible_workspace/train.sh）
-```Bash
-#!/bin/bash
-set -ex
-if [ $# -ne 1 ]; then
-  echo "Usage: $0 num_nodes"
-  exit 1
-fi
-NUM_NODES="$1"
-docker_name="cd_test_new"
-ansible hosts -i inventory.ini -m shell -a "docker exec $docker_name bash -c 'cd /workspace/models/Vision/classification/image/resnet50 && bash train.sh $NUM_NODES'"
-```
-
-- 需要一个参数: 节点数，
-- 运行该命令能够自动启动相应数量的节点运行。
-- 运行结束后收集日志到主节点。
-- 保存日志的目录可以以：`prefix_节点数_日期时间_surfix` 命名，前缀和后缀可以自定义
-
-### 2.2 自动日志解析
-
-可以使用2.1节提供的命令运行多次，比如：
-
-```bash
-train.sh 1
-train.sh 2
-train.sh 4
-train.sh 8
-train.sh 16
-```
-
-完成后应该保存了多个日志目录，需要编写一个日志处理脚本，从这些日志目录中提取性能数据并制成 markdown 格式的表格
-
-注：不需要完整训练，训练稳定后获取到数据就可以了。
-
-### 2.3 自动 nsys 性能测试
-
-需要编写一个能够运行 nsys 的性能测试脚本文件（./ansible_workspace/profile.sh），和2.1的脚本类似，只是启动时需要调用nsys，我们需要搜集这些信息分析，然后进行优化。这个脚本文件。
-```Bash
-#!/bin/bash
-set -ex
-if [ $# -ne 1 ]; then
-  echo "Usage: $0 num_nodes"
-  exit 1
-fi
-NUM_NODES="$1"
-docker_name="cd_test_new"
-ansible hosts -i inventory.ini -m shell -a "docker exec $docker_name bash -c 'cd /workspace/models/Vision/classification/image/resnet50 && bash profile.sh $NUM_NODES'"
-```
-- 需要一个参数: 节点数，
-- 运行该命令能够自动启动相应数量的节点运行。
-- 运行结束后收集日志和nsys相关文件到主节点。
-- 保存日志的目录可以以：`prefix_节点数_日期时间_surfix` 命名，前缀和后缀可以自定义
\ No newline at end of file