Update README.md

stream_infer/README.md

@@ -9,17 +9,19 @@ docker的使用：见QuickStart手册.pdf
 
 # 流程：
 1 将模型进行convert处理，将训练模型转换成流式输出支持的格式
-   需要修改的主要参数如下：
+   (1) 需要修改的主要参数如下：
+
     输入已有的源模型 src_model_path = "./checkpoints-epoch-1/cpm9g-8b-sft-epoch-1.pt"
     格式转换后的模型地址 dst_model_path = "model_8b.ckpt" 
     模型的layers数目，需要根据提供的config文件中的layer字段确定，
         在百亿模型中layer_num = 32
         在千亿模型中layer_num = 80
 
-    执行python convert.py得到的dst model即为后续用的模型
+   (2)执行python convert.py得到的dst model即为后续用的模型
 
 2 模型推理: 
    (1) 设置CUDA_VISIBLE_DEVICES的数目
+   
    (2) 修改LocalLoader 类中模型的属性，将下面这6个函数依据提供的模型config文件中的字段进行修改
     def num_layers(self):
     def dim_model(self):
@@ -27,6 +29,7 @@ docker的使用：见QuickStart手册.pdf
     def num_kv_heads(self):
     def dim_head(self):
     def dim_ff(self):
+    
    (3) 在修改LocalLoader类别调用的时候 将上一步生成的模型文件和词表位置输入，memory_limit无需修改
      model = libcpm.CPMCaterpillar(
     LocalLoader(
@@ -37,11 +40,13 @@ docker的使用：见QuickStart手册.pdf
 
 3 测试请求：
   (1) 修改url，本机请求的话是localhost 或者127.0.0.1，url是该及其的ip
+     
   (2) 可以修改payload中的content内容，举例：
      payload = json.dumps({
       "content": "<用户>好久不见！<AI>"})
      payload = json.dumps({
       "content": "<用户>你是谁？<AI>"})
+
   (3) 执行python request_demo.py
   (4) 最终结果如以下形式，即正确的请求结果
      https://www.osredm.com/jiuyuan/CPM-9G-8B/tree/master/stream_infer/result.png