update readme.md

README.md

@@ -4,15 +4,18 @@
 无
 ## 模型结构
 VisualGLM 模型架构是 ViT + QFormer + ChatGLM，在预训练阶段对 QFormer 和 ViT LoRA 进行训练，在微调阶段对 QFormer 和 ChatGLM LoRA 进行训练，训练目标是自回归损失（根据图像生成正确的文本）和对比损失（输入 ChatGLM 的视觉特征与对应文本的语义特征对齐）
-
-
 <div align=center>
     <img src="./doc/image.png"/>
 </div>
 
+
+
 ## 算法原理
 VisualGLM-6B 是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练 BLIP2-Qformer 构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。
 VisualGLM-6B 由 SwissArmyTransformer(简称sat) 库训练，这是一个支持Transformer灵活修改、训练的工具库，支持Lora、P-tuning等参数高效微调方法。本项目提供了符合用户习惯的huggingface接口，也提供了基于sat的接口。
+<div align=center>
+    <img src="./doc/Former.png"/>
+</div>
 
 ## 环境配置
 ### Docker（方法一）
@@ -80,6 +83,10 @@ curl -X POST -H "Content-Type: application/json" -d @temp.json http://127.0.0.1:
  以目录中examples/1.jpeg图片进行推理为例，推理后的结果为：
 &nbsp;
 "泰坦尼克号，男女主角在船头拥抱。海水翻涌，他们的爱情如海浪般澎湃。 夕阳余晖下，两人的身影渐渐消失。"
+<div align=center>
+    <img src="./examples/1.jpeg"/>
+</div>
+
 ### 精度
 无
 ## 应用场景

model.properties

@@ -4,6 +4,6 @@ modelCode = 525
 modelName=visualglm6b_pytorch
 modelDescription=VisualGLM-6B 是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练 BLIP2-Qformer 构建起视觉模型与语言模型的桥梁，整体模型共78亿参数
 # 应用场景
-appScenario=推理,多模态推理,零售,广媒,科研,图像理解
+appScenario=推理,零售,广媒,科研,图像理解
 frameType=pytorch