Update sf.md

README.md

@@ -10,7 +10,7 @@
 
 LLaMA，这是一个基础语言模型的集合，参数范围从7B到65B。在数万亿的tokens上训练出的模型，并表明可以专门使用公开可用的数据集来训练最先进的模型，而不依赖于专有的和不可访问的数据集。特别是，llama 13B在大多数基准测试中优于GPT-3 (175B)， LLaMA 65B与最好的模型Chinchilla-70B和PaLM-540B具有竞争力。LLAMA网络基于 Transformer 架构。提出了各种改进，并用于不同的模型，例如 PaLM。
 
-<img src="http://developer.hpccube.com/codes/modelzoo/llama_fastchat_pytorch/-/raw/main/llama%E6%A8%A1%E5%9E%8B%E7%BB%93%E6%9E%84.png" alt="llama模型结构.png" style="zoom:50%;" />
+<img src="http://developer.sourcefind.cn/codes/modelzoo/llama_fastchat_pytorch/-/raw/main/llama%E6%A8%A1%E5%9E%8B%E7%BB%93%E6%9E%84.png" alt="llama模型结构.png" style="zoom:50%;" />
 
 以下是llama-13B的主要网络参数配置：
 
@@ -30,7 +30,7 @@ LLaMA，这是一个基础语言模型的集合，参数范围从7B到65B。在
 
 ## 算法原理
 
-<img src="http://developer.hpccube.com/codes/modelzoo/llama_fastchat_pytorch/-/raw/main/llama%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86.png" alt="llama算法原理.png" style="zoom:50%;" />
+<img src="http://developer.sourcefind.cn/codes/modelzoo/llama_fastchat_pytorch/-/raw/main/llama%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86.png" alt="llama算法原理.png" style="zoom:50%;" />
 
 以下是与原始 Transformer 架构的主要区别：
 
@@ -84,10 +84,10 @@ cd ..
 
 ### Anaconda（方法三）
 
-环境变量参考dtk-24.04.1，python3.10环境正常，要求dtk环境正常。关于本项目DCU显卡所需torch库等均可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装：
+环境变量参考dtk-24.04.1，python3.10环境正常，要求dtk环境正常。关于本项目DCU显卡所需torch库等均可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装：
 
 1、关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装：
-https://developer.hpccube.com/tool/
+https://developer.sourcefind.cn/tool/
 
 ```
 DTK驱动：dtk24.04.1
@@ -197,7 +197,7 @@ mpirun -np 8 --allow-run-as-root  --hostfile hostfile --bind-to none  mpi_single
 
 ## 源码仓库及问题反馈
 
-- https://developer.hpccube.com/codes/modelzoo/llama_fastchat_pytorch
+- https://developer.sourcefind.cn/codes/modelzoo/llama_fastchat_pytorch
 
 ## 参考资料