update README

README.md

 # bert_large_squad_onnx
-## 模型介绍
-bert-large的squad模型。
+## 论文
+https://arxiv.org/pdf/1810.04805.pdf
 ## 模型结构
-基于transformer的结构
-## 推理
-### 环境配置
+bert_large_squad核心是transformer,transformer结构如下：
+
+![image](https://developer.hpccube.com/codes/modelzoo/bert_large_squad_onnx/-/raw/main/resources/transformer.png)
+## 算法原理
+bert_large_squad模型的主要参数为：24个transformer层、1024个hidden size、16个self-attention heads，简要原理可用下图表示：
+
+![image](https://developer.hpccube.com/codes/modelzoo/bert_large_squad_onnx/-/raw/main/resources/squad.png)
+## 数据集
+暂无合适中文数据集
+## 环境配置
 在[光源](https://www.sourcefind.cn/#/service-details)可拉取推理的docker镜像，在[光合开发者社区](https://cancon.hpccube.com:65024/4/main/)可下载onnxruntime安装包。bert_large_squad_onnx推荐的镜像如下：
 ```
 docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
@@ -15,11 +22,13 @@ docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0
 ```
 python3 fp16-convert.py
 ```
-### 推理
+## 推理
 ```
 python3 main.py
 ```
-## 性能数据
+## result
+![image](https://developer.hpccube.com/codes/modelzoo/bert_large_squad_onnx/-/raw/main/resources/bert_result.png)
+### 性能数据
 
 fp32
 | loop | time(ms) |
@@ -49,6 +58,11 @@ fp16
 | 9 | 0.048555332934483886 | 
 | 10 | 0.048343464033678174 | 
 
+## 应用场景
+### 算法类别
+nlp
+### 热点应用行业
+问答系统
 ## 源码仓库及问题反馈
 https://developer.hpccube.com/codes/modelzoo/bert_large_squad_onnx
 ## 参考

model.properties

+# 模型唯一标识
+modelCode = 339
 # 模型名称
 modelName=bert_large_squad_onnx
 # 模型描述
 modelDescription=bert_large_squad_onnx是基于bert-large的squad downstream任务的onnx模型
 # 应用场景
-appScenario=推理,NLP
+appScenario=推理,NLP,问答
 # 框架类型
 frameType=onnxruntime