img

Author: songyingxin

README.md

@@ -35,17 +35,15 @@ TorchVocab --> Vocab --> WordVocab
 python3 -m ipdb test_bert.py -c data/corpus.small -v data/vocab.small -o output/bert.model
 ```
 
-
-
-![1](.\img\1.png)
+![](http://ww1.sinaimg.cn/large/006gOeiSly1g5qw6nkhhgj31400u0myh.jpg)
 
 从模型整体上看， 分为两大部分： **MaskedLanguageModel** 与 **NextSentencePrediction** ，并且二者都以 **BERT** 为前置模型，在分别加上一个全连接层与 softmax 层来分别获得输出。
 
 这段代码相对很简单，十分容易理解，略过。
 
 ### 1. Bert Model
 
-![2](.\img\2.png)
+![](http://ww1.sinaimg.cn/large/006gOeiSly1g5qw6wqgjoj31400u0dhz.jpg)
 
 这部分其实就是 Transformer Encoder 部分 + BERT Embedding， 如果不熟悉 Transformer 的同学，恰好可以从此处来加深理解。