update

README.md

@@ -25,7 +25,7 @@ LLaMA模型具体参数：
 
 
 <div align="center">
-<img src="https://developer.hpccube.com/codes/modelzoo/llama_tencentpretrain_pytorch/-/blob/main/data/media/llama%E6%A8%A1%E5%9E%8B%E7%BB%93%E6%9E%84.png" width="500" height="400">
+<img src="data/media/llama_arc.png" width="500" height="400">
 </div>
 
 LLaMA 2是LLaMA的新一代版本，具有商业友好的许可证。 LLaMA 2 有 3 种不同的尺寸：7B、13B 和 70B。Llama 2训练语料相比LLaMA多出40%，上下文长度是由之前的2048升级到4096，可以理解和生成更长的文本。Llama 2采用了 Llama 1 的大部分预训练设置和模型架构，使用标准Transformer 架构，使用 RMSNorm 应用预归一化、使用 SwiGLU 激活函数和旋转位置嵌入RoPE。
@@ -35,7 +35,10 @@ LLaMA 2是LLaMA的新一代版本，具有商业友好的许可证。 LLaMA 2
 ## 算法原理
 
 
-<img src="https://developer.hpccube.com/codes/modelzoo/llama_tencentpretrain_pytorch/-/blob/main/data/media/llama%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86.png" style="zoom:50%;" />
+<div align="center">
+<img src="data/media/llama_alg.png" width="300" height="400">
+</div>
+
 以下是与原始架构的主要区别：
 
 **预归一化**。为了提高训练稳定性，对每个transformer 子层的输入进行归一化，而不是对输出进行归一化。使用 RMSNorm 归一化函数。