update readme

README.md

@@ -16,23 +16,23 @@ Targeting to release before Dec 5th. 目标是12月5日前发布。
 
 ## 模型
 
-使用 [albert_zh_small](https://github.com/brightmart/albert_zh) 预训练模型，额外加上一层全连接做answer span预测
+使用 [albert_zh_small](https://github.com/brightmart/albert_zh) 预训练模型，额外加上一层全连接做answer span预测。
 
-* 模型训练
+* 在CMRC2018数据集的验证集上，max_seq_len为512的模型得分为F1:75.989, EM:52.097, Average:64.038，max_seq_len为384的模型得分为F1:74.781, EM:51.010, Average:62.895
+* max_seq_len为512的模型使用tflite转换后大小为18M，经测试，该模型在4线程的安卓手机上推理延时为580ms左右，在单线程条件下为1.4s左右。
+* max_seq_len为384的模型使用tflite转换后大小为18M，经测试，该模型在4线程的安卓手机上推理延时为390ms左右，在单线程条件下为930ms左右
 
-​		已完成，待提交
-
-* 用tflite转换模型
-
-​		已完成，待提交
+* 模型训练与模型转换过程见[bert_cn_finetune-master](https://github.com/CLUEbenchmark/MobileQA/tree/master/bert_cn_finetune-master) 
 
 
 
 ## Android Demo
 
 已完成第一版，详见 [tflite-android-transformers-master](https://github.com/CLUEbenchmark/MobileQA/tree/master/tflite-android-transformers-master) 
 
+效果示例：
 
+![android demo](./media/example.gif)
 
 ## IOS Demo
 

bert_cn_finetune-master/README.md

@@ -1,19 +1,29 @@
+## 基于中文的机器阅读理解模型
+
 代码引用自 https://github.com/ewrfcas/bert_cn_finetune
-基于中文的机器阅读理解模型
-1.下载albert_small_zh_google放入文件夹中。地址：https://storage.googleapis.com/albert_zh/albert_small_zh_google.zip
-2.python cmrc2018_finetune_tf_albert.py （由于后期转tflite文件,训练过程中不要使用tf.float16)
-3.将生成的模型转pb(在转pb以及tflite的过程中要确保tensorflow版本为1.15.0)
-pip install tensorflow==1.15.0
-freeze_graph --input_checkpoint albert_model.ckpt \
-             --output_graph albert_tiny_zh.pb \
-             --output_node_names finetune_mrc/truediv \
-             --checkpoint_version 1 --input_meta_graph albert_model.ckpt.meta --input_binary true
-4.pb文件转tflite文件
-pip install tf-nightly
-tflite_convert --graph_def_file albert_tiny_zh.pb \
-               --input_arrays 'input_ids,input_masks,segment_ids' \
-               --output_arrays 'finetune_mrc/add, finetune_mrc/add_1'\
-               --input_shapes 1,512:1,512:1,512 \
-               --output_file saved_model.tflite \
-               --enable_v1_converter --experimental_new_converter
-
+
+## 模型训练
+
+1. 下载albert_small_zh_google放入文件夹中。地址：https://storage.googleapis.com/albert_zh/albert_small_zh_google.zip
+
+2. python cmrc2018_finetune_tf_albert.py 
+
+   （注意：由于后期转tflite文件,训练过程中不要使用tf.float16)
+
+## 模型转换
+
+1. 将生成的模型转pb(在转pb以及tflite的过程中要确保tensorflow版本为1.15.0)
+   pip install tensorflow==1.15.0
+   freeze_graph --input_checkpoint albert_model.ckpt \
+                --output_graph albert_tiny_zh.pb \
+                --output_node_names finetune_mrc/truediv \
+                --checkpoint_version 1 --input_meta_graph albert_model.ckpt.meta --input_binary true
+2. pb文件转tflite文件
+   pip install tf-nightly
+   tflite_convert --graph_def_file albert_tiny_zh.pb \
+                  --input_arrays 'input_ids,input_masks,segment_ids' \
+                  --output_arrays 'finetune_mrc/add, finetune_mrc/add_1'\
+                  --input_shapes 1,512:1,512:1,512 \
+                  --output_file saved_model.tflite \
+                  --enable_v1_converter --experimental_new_converter
+