diff --git a/README.md b/README.md
index 40883fc9077f0261f8b89213da80293361ea03e6..11b701b4822bccdc7ad0752d7f50c4bf2fbc9cac 100644
--- a/README.md
+++ b/README.md
@@ -126,5 +126,30 @@ h = h*dh
 ### 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 )   
 
+* 注意：加载训练的配置参数的关键代码段如下，cfg/transport.data为训练coco交通工具数据集的配置参数文件。
+```
+if __name__ == '__main__':
+    train(data_cfg = "cfg/transport.data")
+```
+
+* cfg文件夹下的 "*.data"文件包含了重要的配置信息，以"cfg/transport.data"为例如下：
+```
+cfg_model=yolo # 模型选择：yolo  / yolo tiny
+classes=8 # 数据集的类别
+gpus = 0 # GPU 的选择
+num_workers = 8 # 训练时数据迭代（增强）器的进程数
+batch_size = 8 # 训练时每一个批次的图片量设定，该例子是8张图片
+img_size = 416 # 模型的默认输入图片尺寸是 416*416
+multi_scale = True # 是否在训练中采用多尺度增强方式，该例子为使用
+epochs = 100 # 训练总周期，完整遍历一次数据集为一个周期
+train=./yolo_transport_train/anno/train.txt # 训练集的train.txt路径
+valid=./yolo_transport_train/anno/train.txt # 验证集的train.txt路径，目前训练代码中并没有加入验证功能代码
+names=./cfg/transport.names # 该数据集对应的具体分类名字，需要与其标签对应
+finetune_model = ./weights-yolov3-transport/latest_416.pt # 采用的预训练模型
+lr_step = 10,20,30 # 训练时对应的特定epoch时更新学习率
+lr0 = 0.001 # 训练时的初始化学习率
+
+```
+
 ### 模型推理    
 * 根目录下运行命令： python predict.py   (注意脚本内相关参数配置  )