Update README.md

README.md

-# bert_tensorflow
+# bert
 
 ## 论文
 
@@ -6,7 +6,7 @@
 
 [BERT论文pdf地址](https://arxiv.org/pdf/1810.04805.pdf)
 
-## 模型介绍
+## 模型结构
 
 ![bert_model](bert_model.png)
 
@@ -22,12 +22,6 @@ BERT的全称为Bidirectional Encoder Representation from Transformers，是一
 以往的预训练模型的结构会受到单向语言模型（从左到右或者从右到左）的限制，因而也限制了模型的表征能力，使其只能获取单方向的上下文信息。而BERT利用MLM进行预训练并且采用深层的双向Transformer组件（单向的Transformer一般被称为Transformer decoder，其每一个token（符号）只会attend到目前往左的token。而双向的Transformer则被称为Transformer encoder，其每一个token会attend到所有的token）来构建整个模型，因此最终生成能融合左右上下文信息的深层双向语言表征。
 ```
 
-## 预训练模型
-
-[bert-base-uncace(MNLI分类时使用此模型)](https://storage.googleapis.com/bert_models/2018_10_18/uncased_L-12_H-768_A-12.zip)
-
-[bert-large-uncase(squad问答使用此模型)](https://storage.googleapis.com/bert_models/2018_10_18/uncased_L-24_H-1024_A-16.zip)
-
 ## 数据集
 
 MNLI分类数据集：[MNLI](https://dl.fbaipublicfiles.com/glue/data/MNLI.zip)
@@ -37,6 +31,12 @@ squad问答数据集：[train-v1.1.json](https://rajpurkar.github.io/SQuAD-explo
 
 squad-v1.1 eval脚本：[evaluate-v1.1.py](https://github.com/allenai/bi-att-flow/blob/master/squad/evaluate-v1.1.py)
 
+### 预训练模型
+
+[bert-base-uncace(MNLI分类时使用此模型)](https://storage.googleapis.com/bert_models/2018_10_18/uncased_L-12_H-768_A-12.zip)
+
+[bert-large-uncase(squad问答使用此模型)](https://storage.googleapis.com/bert_models/2018_10_18/uncased_L-24_H-1024_A-16.zip)
+
 `MNLI数据集`
 
 ```
@@ -66,7 +66,7 @@ squad-v1.1 eval脚本：[evaluate-v1.1.py](https://github.com/allenai/bi-att-flo
 
 ## 环境配置
 
-推荐使用docker方式运行，提供[光源](https://www.sourcefind.cn/#/main-page)镜像，可以dockerpull拉取
+推荐使用docker方式运行，提供[光源](https://www.sourcefind.cn/#/main-page)镜像，可以docker pull拉取
 
 ### Docker(方式一)