以上的YAML部分将会被ModelScope框架解析为模型的meta信息，来协助模型的管理。
包括模型分类，模型版本，以及模型发现等等。

而下面的文本将以markdown格式解析，来作为模型页面的信息展示，帮助模型的使用者
来理解模型以及正确使用模型。

<小可的模型>介绍

介绍模型的基本信息。

模型描述

提供模型描述，包括模型结构，使用的训练数据集，以及适用场景等等内容。

期望模型使用方式以及适用范围

介绍模型的目标使用场景。

如何使用

介绍模型如何使用，包括如何进行模型推理等等信息。在这里希望模型提供者能提供
详尽的范例以及代码片段来介绍模型的使用方法。对于需要配置负责运行环境的模型，
也可以在这里提供怎样配置模型运行环境的详细介绍。

如果模型支持finetune功能的话，在本章节也应该提供如果准备finetune可能需要的
数据集格式。

代码范例

import cv2
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.pipelines.outputs import OutputKeys

img_matting = pipeline(Tasks.portrait_matting,model='damo/cv_unet_image-matting')
result = img_matting('test.png')
cv2.imwrite('result.png', result[OutputKeys.OUTPUT_IMG])

模型局限性以及可能的偏差

介绍模型适用的场景，以及在哪些场景可能存在局限性，以及模型在构造训练过程中，
本身可能带有的，由于训练数据以及训练方法等因素引入的偏向性。

训练数据介绍

训练数据是如何获取，组织，以及针对模型的需求进行格式话的。

模型训练流程

描述模型是如何具体训练出来的。

预处理

训练

数据评估及结果

提供模型在不同数据集上的性能评测，包括评测数据是如何获得的。评测结果本身
可以通过表格，图像等多种方法做展示。

相关论文以及引用信息

如果本模型有相关论文发表，或者是基于某些论文的结果，可以在这里
提供Bibtex格式的参考文献。