修改格式

README.md

@@ -27,6 +27,7 @@ docker run --shm-size 16g --network=host --name=bert_ort --privileged --device=/
 # 激活dtk
 source /opt/dtk/env.sh
 ```
+## 数据集
 
 ## 推理
 ### Python版本推理
@@ -35,7 +36,7 @@ source /opt/dtk/env.sh
 ```
 export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
 ```
-#### 安装依赖
+#### 运行示例
 ```python
 # 进入bert ort工程根目录
 cd <path_to_bert_ort> 
@@ -45,19 +46,11 @@ cd Python/
 
 # 安装依赖
 pip install -r requirements.txt
-```
-#### 运行示例
-```python
+
+# 运行示例
+
 python bert.py
 ```
-输出结果为：
-```
-“1”："open-source exascale-class platform for accelerated computing",
-"2"："(Tensorflow / PyTorch)",
-"3"："scale"
-```
-输出结果中，问题id对应预测概率值最大的答案。
-
 
 ### C++版本推理
 本次采用经典的Bert模型完成问题回答任务，模型和分词文件下载链接：https://pan.baidu.com/s/1yc30IzM4ocOpTpfFuUMR0w, 提取码：8f1a, 将bertsquad-10.onnx文件和uncased_L-12_H-768_A-12分词文件保存在Resource/文件夹下。下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
@@ -76,7 +69,7 @@ source ~/.bashrc
 source /opt/dtk/env.sh
 ```
 #### 运行示例
-```python
+```c++
 # 进入bert ort工程根目录
 cd <path_to_bert_ort> 
 
@@ -86,7 +79,15 @@ cd build/
 # 执行示例程序
 ./Bert
 ```
-如下所示，在当前界面根据提示输入问题，得到预测答案。
+## result
+### python版本
+```
+“1”："open-source exascale-class platform for accelerated computing",
+"2"："(Tensorflow / PyTorch)",
+"3"："scale"
+```
+
+### C++版本
 ```
 question：What is ROCm?
 answer：open-source exascale-class platform for accelerated computing
@@ -95,16 +96,16 @@ answer：tensorflow / pytorch
 question：What is ROCm built for?
 answer：scale
 ```
+
 ## 应用场景
 ### 算法类别
 `对话问答`
 
 ### 热点应用行业
-`零售`、`医疗`、`教育`
+`零售`,`医疗`,`教育`
 
 ## 源码仓库及问题反馈
 https://developer.hpccube.com/codes/modelzoo/bert_ort
 
 ## 参考资料
-
 https://github.com/ROCmSoftwarePlatform/onnxruntime/blob/81120e9e8b377567daa00d55614c902f35b2ae8f/onnxruntime/python/tools/transformers/onnx_model_bert.py