diff --git a/TensorFlow/contrib/cv/ConvLSTM_ID2358_for_TensorFlow/READEME.md b/TensorFlow/contrib/cv/ConvLSTM_ID2358_for_TensorFlow/READEME.md
new file mode 100644
index 0000000000000000000000000000000000000000..57c32a2dd84a5932959d7e2c60c85b87937bae0e
--- /dev/null
+++ b/TensorFlow/contrib/cv/ConvLSTM_ID2358_for_TensorFlow/READEME.md
@@ -0,0 +1,182 @@
+- [基本信息](#基本信息.md)
+- [概述](#概述.md)
+- [训练环境准备](#训练环境准备.md)
+- [快速上手](#快速上手.md)
+- [训练结果](#训练结果.md)
+- [高级参考](#高级参考.md)
+基本信息
+
+**发布者（Publisher）：Huawei**
+
+**应用领域（Application Domain）：Visual Odometry**
+
+**版本（Version）：1.0**
+
+**修改时间（Modified） ：2022.7.5**
+
+**大小（Size）：104KB**
+
+**框架（Framework）：TensorFlow 1.15.0**
+
+**模型格式（Model Format）：ckpt**
+
+**精度（Precision）：Mixed**
+
+**处理器（Processor）：昇腾910**
+
+**应用级别（Categories）：Official**
+
+**描述（Description）：基于TensorFlow框架的卷积长短期记忆实现视觉里程计训练代码**
+
+概述
+
+
+ConvLSTM最早由香港科技大学的团队提出，解决序列图片的时空预测问题。本网络的ConvLSTM结构用于处理车载摄像头序列图片，实现一个视觉里程计。
+
+- 参考论文：
+
+ https://arxiv.org/abs/1506.04214
+ https://arxiv.org/abs/1709.08429
+
+- 参考实现：
+
+ https://github.com/giserh/ConvLSTM-2
+ https://github.com/Kallaf/Visual-Odometry/blob/master/VisualOdometry.ipynb
+
+- 适配昇腾 AI 处理器的实现：
+
+
+ https://gitee.com/ascend/ModelZoo-TensorFlow/new/master/TensorFlow/contrib/cv/ConvLSTM_ID2358_for_TensorFlow
+
+
+
+- 通过Git获取对应commit\_id的代码方法如下：
+
+ ```
+ git clone {repository_url} # 克隆仓库的代码
+ cd {repository_name} # 切换到模型的代码仓目录
+ git checkout {branch} # 切换到对应分支
+ git reset --hard ｛commit_id｝ # 代码设置到对应的commit_id
+ cd ｛code_path｝ # 切换到模型代码所在路径，若仓库下只有该模型，则无需切换
+ ```
+
+## 默认配置
+
+- 训练超参
+
+ - Batch size： 32
+ - Train epoch: 240
+ - learing_rata: 0.0001
+
+
+## 支持特性
+
+| 特性列表 | 是否支持 |
+|-------|------|
+| 分布式训练 | 否 |
+| 混合精度 | 是 |
+| 并行数据 | 是 |
+
+## 混合精度训练
+
+昇腾910 AI处理器提供自动混合精度功能，可以针对全网中float32数据类型的算子，按照内置的优化策略，自动将部分float32的算子降低精度到float16，从而在精度损失很小的情况下提升系统性能并减少内存使用。
+
+## 开启混合精度
+
+脚本已开启混合精度，设置precision_mode参数的脚本参考如下。
+
+ ```
+ custom_op.parameter_map["precision_mode"].s = tf.compat.as_bytes("allow_mix_precision")
+ ```
+
+训练环境准备
+
+1. 硬件环境准备请参见各硬件产品文档"[驱动和固件安装升级指南]( https://support.huawei.com/enterprise/zh/category/ai-computing-platform-pid-1557196528909)"。需要在硬件设备上安装与CANN版本配套的固件与驱动。
+2. 所需环境依赖：ubuntu16.04+python3.7.5+tensorflow-gpu1.15.0+opencv+opencv-contrib3.4.2.17+evo1.12.0
+
+快速上手
+
+- 数据集准备
+1. 模型训练使用KITTI Visual Odometry/SLAM benchmark数据集，数据集请用户自行获取。
+
+## 模型训练
+
+- 单击“立即下载”，并选择合适的下载方式下载源码包。
+
+- 启动训练之前，首先要配置程序运行相关环境变量。
+
+ 环境变量配置信息参见：
+
+ [Ascend 910训练平台环境变量设置](https://gitee.com/ascend/modelzoo/wikis/Ascend%20910%E8%AE%AD%E7%BB%83%E5%B9%B3%E5%8F%B0%E7%8E%AF%E5%A2%83%E5%8F%98%E9%87%8F%E8%AE%BE%E7%BD%AE?sort_id=3148819)
+
+- 单卡训练
+
+ 1. 配置训练参数。
+
+ 训练参数已经默认在脚本中设置，需要在启动训练时指定数据集路径和输出路径
+
+ ```
+ parser.add_argument('--datapath')
+ parser.add_argument('--outputpath')
+ parser.add_argument('--bsize', default=32)
+ parser.add_argument('--trajectory_length', default=4)
+ parser.add_argument('--lr', default=0.0001)
+ parser.add_argument('--train_iter', default=240)
+ parser.add_argument('--time_steps', default=1)
+ ```
+
+ 2. 启动训练。
+
+ 启动单卡训练
+
+ ```
+ python Truemain.py --datapath '你的数据集路径' --outputpath '你的输出路径'
+ ```
+
+训练结果
+
+- 精度结果比对
+
+|精度指标项|论文发布|GPU实测|NPU实测|
+|---|---|---|---|
+|ACC|xxx|yyy|zzz|
+
+- 性能结果比对
+
+|性能指标项|论文发布|GPU实测|NPU实测|
+|---|---|---|---|
+|FPS|XXX|4.5sec/step|3.4sec/step|
+
+
+高级参考
+
+## 脚本和示例代码
+
+```
+├── Truemain.py //网络训练与测试代码
+├── README.md //代码说明文档
+├── cell.py //convlstm核
+├── test
+├── requirements.txt //训练python依赖列表
+│ ├──modelarts_entry_acc.py //modelarts训练验证精度脚本
+│ ├──modelarts_entry_perf.py //modelarts训练验证性能脚本
+
+```
+
+## 脚本参数
+
+```
+--data_path 数据集路径
+--batch_size 每个NPU的batch size，默认：32
+--learing_rata 初始学习率，默认：0.0001
+--steps 数据集图片跨越步数，默认：1
+--train_iter 训练epcoh数量，默认：240
+```
+
+## 训练过程
+
+1. 通过“模型训练”中的训练指令启动单卡卡训练。
+
+2. 数据集、参考脚本的模型存储路径为用户定义。
+
+