Update sf.md

README.md

@@ -6,7 +6,7 @@
 ## 模型结构
 mobilenetv2:
 
-![image](https://developer.hpccube.com/codes/modelzoo/mobilenet_prune/-/raw/main/mobilenetv2.png)
+![image](https://developer.sourcefind.cn/codes/modelzoo/mobilenet_prune/-/raw/main/mobilenetv2.png)
 
 详细模型结构见官方论文：
 * EfficientNet https://arxiv.org/pdf/1905.11946.pdf 
@@ -16,7 +16,7 @@ mobilenetv2:
 mobilenetv2:
 
 具有线性瓶颈的反转残差(inverted residual )：该模块将低维压缩表示作为输入，首先将其扩展为高维度并使用轻量级沿深度卷积(depthwiseconvolution)进行滤波。随后通过线性卷积将特征投射回低维表示。中间层使用轻量级的沿深度卷积来对特征进行滤波作为非线性的来源。
-![image](https://developer.hpccube.com/codes/modelzoo/mobilenet_prune/-/raw/main/mobilenetV2.png)
+![image](https://developer.sourcefind.cn/codes/modelzoo/mobilenet_prune/-/raw/main/mobilenetV2.png)
 
 ## 数据集
 `CIFAR-10`
@@ -76,7 +76,7 @@ mobilenetv3
 python3 main.py --mode test --model mobilenetv3 --batch-size 128 --restore ./run/cifar10/prune/cifar10-global-l1-mobilenetv3/cifar10_mobilenetv3_l1.pt --dataset cifar10  --method l1 --speed-up 2.11 --global-pruning
 ```
 ## result
-![image](https://developer.hpccube.com/codes/modelzoo/mobilenet_prune/-/raw/main/result.png)
+![image](https://developer.sourcefind.cn/codes/modelzoo/mobilenet_prune/-/raw/main/result.png)
 ### 精度
 method l1
 | model | Base Acc | Pruned Acc | 
@@ -105,7 +105,7 @@ method group_norm
 ### 热点应用行业
 交通,金融,医疗,教育,家居
 ## 源码仓库及问题反馈
-https://developer.hpccube.com/codes/modelzoo/mobilenet_prune
+https://developer.sourcefind.cn/codes/modelzoo/mobilenet_prune
 ## 参考资料
 * [Torch-Pruning](https://github.com/VainF/Torch-Pruning)