Update README.md

Author: Y1ran

README.md

@@ -1,13 +1,13 @@
 
-# EssayKiller
+# WriteGPT
 
 ![image](https://img.shields.io/badge/License-Apache--2.0-green) ![image](https://img.shields.io/badge/License-MIT-orange)  ![image](https://img.shields.io/badge/License-Anti--996-red)  ![image](https://img.shields.io/badge/pypi-v0.0.1a4-yellowgreen) ![image](https://img.shields.io/badge/stars-%3C%205k-blue) ![image](https://img.shields.io/badge/issues-30%20open-brightgreen)  
 
 通用型议论文创作人工智能框架，仅限交流与科普。
 
 
 ## 项目简介
-EssayKiller是基于OCR、NLP领域的最新模型所构建的生成式文本创作AI框架，目前第一版finetune模型针对高考作文（主要是议论文），可以有效生成符合人类认知的文章，多数文章经过测试可以达到正常高中生及格作文水平。
+writeGPT是基于OCR、NLP领域的最新模型所构建的生成式文本创作AI框架，目前第一版finetune模型针对高考作文（主要是议论文），可以有效生成符合人类认知的文章，多数文章经过测试可以达到正常高中生及格作文水平。
 
 | 项目作者        | 主页1           | 主页2  | 
 | ------------- |:------:|:----:|
@@ -24,27 +24,27 @@ EssayKiller是基于OCR、NLP领域的最新模型所构建的生成式文本创
 - [x] 基于EAST、CRNN、Bert和GPT-2语言模型的高考作文生成AI
 - [x] 支持bert tokenizer，当前版本基于clue chinese vocab
 - [x] 17亿参数多模块异构深度神经网络，超2亿条预训练数据
-- [x] 线上点击即用的文本生成效果demo：[17亿参数作文杀手](https://colab.research.google.com/github/EssayKillerBrain/EssayKiller_V2/blob/master/colab_online.ipynb)
+- [x] 线上点击即用的文本生成效果demo：[17亿参数作文杀手](https://colab.research.google.com/github/EssayKillerBrain/writeGPT/blob/master/colab_online.ipynb)
 - [x] 端到端生成，从试卷识别到答题卡输出一条龙服务
 
 
 
 ### Colab线上作文生成功能
 国内没有足够显存的免费GPU平台，所以配合Google Drive将训练好的AI核心功能Language Network写作模块迁移到Colab。
 
-当前线上仅开放文本生成功能，输入对应句子，AI返回生成文章。同一个句子可以输入多次，每一次输出都不同。也可以选择同时生成多篇文章。具体见：[17亿参数作文杀手](https://colab.research.google.com/github/EssayKillerBrain/EssayKiller_V2/blob/master/colab_online.ipynb)
+当前线上仅开放文本生成功能，输入对应句子，AI返回生成文章。同一个句子可以输入多次，每一次输出都不同。也可以选择同时生成多篇文章。具体见：[17亿参数作文杀手](https://colab.research.google.com/github/EssayKillerBrain/writeGPT/blob/master/colab_online.ipynb)
 
 * 第一步：安装环境
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-15-22-13.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-15-22-13.png)
 
 * 第二部：加载模型
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-15-27-38.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-15-27-38.png)
 
 * 第三步：文章生成
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-15-27-14.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-15-27-14.png)
 
 * 写作效果
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-15-23-27.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-15-23-27.png)
 
 
 ## 本地环境
@@ -75,7 +75,7 @@ EssayKiller是基于OCR、NLP领域的最新模型所构建的生成式文本创
 
 ## 模型结构
 整个框架分为EAST、CRNN、Bert、GPT-2、DNN 5个模块，每个模块的网络单独训练，参数相互独立。infer过程使用pipeline串联，通过外接装置直接输出到答题卡。  
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-15-35-00.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-15-35-00.png)
 
 
 ### 1. 输入
@@ -86,7 +86,7 @@ EssayKiller是基于OCR、NLP领域的最新模型所构建的生成式文本创
 ### 2. 识别网络
 #### 2.1 EAST文本检测
 OpenCV 的EAST文本检测器是一个深度学习模型，它能够在 720p 的图像上以13帧/秒的速度实时检测任意方向的文本，并可以获得很好的文本检测精度。  
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-15-45-54.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-15-45-54.png)
 
 <br>
 
@@ -114,7 +114,7 @@ python multigpu_train.py --gpu_list=0 --input_size=512 --batch_size_per_gpu=14 -
 <br>
 
 *检测结果*
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-16-25-01.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-16-25-01.png)
 
 除了EAST，也可以把识别网络替换为传统的CTPN等模型，github上有已经成熟的项目：https://github.com/Walleclipse/ChineseAddress_OCR
 
@@ -162,7 +162,7 @@ Epoch 8/100
 BERT的全称是Bidirectional Encoder Representation from Transformers，即双向Transformer的Encoder。模型的主要创新点在pre-train方法上，用了Masked LM和Next Sentence Prediction两种方法分别捕捉词语和句子级别的representation。
 
 模型的构成元素Transformer可以参考Google的 [Attention is all you need](https://arxiv.org/abs/1706.03762) ，BERT模型的结构如下图最左：
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-16-44-54.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-16-44-54.png)
 
 对比OpenAI GPT(Generative pre-trained transformer)，BERT是双向的Transformer block连接；就像单向RNN和双向RNN的区别，直觉上来讲效果会好一些。
 <br>
@@ -203,12 +203,12 @@ python run.py --model bert
 ```
 <br>
 
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-16-40-19.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-16-40-19.png)
 
 测试时，需要用正则表达式过滤考试专用词，包括“阅读下面的材料，根据要求写作”，“要求：xxx”，“请完成/请结合/请综合xx”。
 
 比如
->![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-17-17-30.png)
+>![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-17-17-30.png)
 
 
     人们用眼睛看他人、看世界，却无法直接看到完整的自己。所以，在人生的旅程中，我们需要寻找各种“镜子”、不断绘制“自画像”来审视自我，尝试回答“我是怎样的人”“我想过怎样的生活”“我能做些什么”“如何生活得更有意义”等重要的问题。
@@ -227,7 +227,7 @@ python run.py --model bert
 **预训练**  
 参考 [GPT2-ML](https://github.com/imcaspar/gpt2-ml/) 预训练模型，使用 [Quadro RTX 8000](https://www.nvidia.com/en-us/design-visualization/quadro/rtx-8000/) 训练 28w 步
 
->![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/2233.PNG)
+>![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/2233.PNG)
 
 
 <br>
@@ -252,11 +252,11 @@ CUDA_VISIBLE_DEVICES=0  python train/train_wc.py --input_file=/data/EssayKiller/
 ### 3.判分网络
 
 #### 3.1 DNN判分模型
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-18-59-12.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-18-59-12.png)
 
 这部分直接调用百度API。有现成的模型就不重复造轮子了，具体实现方式百度没有开源，这里简单描述一下语言模型的概念：
 语言模型是通过计算给定词组成的句子的概率，从而判断所组成的句子是否符合客观语言表达习惯。通常用于机器翻译、拼写纠错、语音识别、问答系统、词性标注、句法分析和信息检索等。  
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-18-59-57.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-18-59-57.png)
 
 这里使用通顺度打分作为判断依据。  
 
@@ -273,20 +273,20 @@ CUDA_VISIBLE_DEVICES=0  python train/train_wc.py --input_file=/data/EssayKiller/
 4. 字数不能过长或过短
 
 由于模型输出的文章不保证换行和分段，通过统计高考作文的常见段数、每段句数，编写脚本对输出进行划分。大多数情况下分段排版的结果都比较合理。  
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-19-04-24.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-19-04-24.png)
 
 <br>
 
 ## 输出
 **答题卡**  
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-19-07-53.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-19-07-53.png)
 
 **外接装置**
 
 基于aedraw，一款开源的CNC(Computer Numerical Control数控机床)画图机器人，具有绘制图案、写字等功能，它也可以升级为激光雕刻等用途。
 详细教程见 http://aelab.net/ ，不仅能自己制作一台写字绘画机器人，而且能够掌握其工作原理拓展更多的应用。  
 
-![](https://github.com/EssayKillerBrain/EssayKiller_V2/blob/master/References/attachments/Clipboard_2020-09-29-19-12-07.png)
+![](https://github.com/EssayKillerBrain/writeGPT/blob/master/References/attachments/Clipboard_2020-09-29-19-12-07.png)
 
 原版的输出临摹装置存在速度慢和格式不准的问题，通过改装和修改源代码得以优化
 
@@ -344,7 +344,7 @@ CUDA_VISIBLE_DEVICES=0  python train/train_wc.py --input_file=/data/EssayKiller/
   year = {2020},
   publisher = {GitHub},
   journal = {GitHub repository},
-  howpublished = {\url{https://github.com/EssayKillerBrain/EssayKiller}},
+  howpublished = {\url{https://github.com/EssayKillerBrain/writeGPT}},
 }
 ```
 
@@ -372,7 +372,7 @@ CUDA_VISIBLE_DEVICES=0  python train/train_wc.py --input_file=/data/EssayKiller/
 [18] https://github.com/YCG09/chinese_ocr  
 [19] https://github.com/xiaomaxiao/keras_ocr  
 [20] https://github.com/nghuyong/ERNIE-Pytorch  
-[21] https://zhuanlan.zhihu.com/p/43534801  
+[21] https://zhuanlan.zhihu.com/p/43534801
 [22] https://blog.csdn.net/xuxunjie147/article/details/87178774/  
 [23] https://github.com/JiangYanting/Pre-modern_Chinese_corpus_dataset  
 [24] https://github.com/brightmart/nlp_chinese_corpus