修改算法类别

README.md

@@ -58,6 +58,8 @@ conda create -n bert-pytorch python=3.7
 
 关于本项目DCU显卡所需的工具包、深度学习库等均可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
 
+[apex](https://cancon.hpccube.com:65024/directlink/4/apex/dtk22.10/apex-0.1+gitdb7007a.dtk2210-cp37-cp37m-manylinux2014_x86_64.whl)
+
 [pytorch1.10](https://cancon.hpccube.com:65024/directlink/4/pytorch/dtk22.10/torch-1.10.0a0+git2040069.dtk2210-cp37-cp37m-manylinux2014_x86_64.whl)
 
 [tensorflow2.7](https://cancon.hpccube.com:65024/directlink/4/tensorflow/dtk22.10/tensorflow-2.7.0+git67f0ade9.dtk2210-cp37-cp37m-manylinux2014_x86_64.whl)
@@ -245,6 +247,8 @@ cd 2node-run-pre
 sh run_bert_pre2_4dcu.sh （需要fp16可以在相应single文件APP中增加 --fp16 与 --amp参数）
 ```
 
+## result
+
 ## 精度
 
 | 训练    | 卡数 | batch size | 迭代计数 | 精度                           |
@@ -256,7 +260,7 @@ sh run_bert_pre2_4dcu.sh （需要fp16可以在相应single文件APP中增加 --
 
 ## 算法类别
 
-`知识问答`
+`文本理解`
 
 ## 热点行业
 

model.properties

@@ -3,6 +3,6 @@ modelName=Bert-PyTorch
 # 模型描述
 modelDescription=BERT是一种新的基于Transformer应用于计算机视觉领域的神经网络模型,基于PyTorch实现测试
 # 应用场景
-appScenario=文本训练，文本问答
+appScenario=训练,文本理解,互联网
 # 框架类型
 frameType=PyTorch