Update README.md

README.md

@@ -14,8 +14,8 @@
 	算子优化和图优化：通过算子优化、图优化、加速库等方式，提高预测速度；
 	集束搜索、班监督等训练和交易策略优化：通过集束搜索、班监督等方式，优化训练和交易策略，提高预测效果。
 
-数据获取：本方案中我们主要使用纯数字数据，来源为Tushare大数据开放社区，数据获取的核心流程为登录社区，注册token，并使用相关接口API。
-    图片
+    数据获取：本方案中我们主要使用纯数字数据，来源为Tushare大数据开放社区，数据获取的核心流程为登录社区，注册token，并使用相关接口API。
+    ![数据处理流程](https://www.gitlink.org.cn/limingjuan/Prediction-MindSpore/tree/master/image%2Fdatareshaping.jpg)
     
 模型：Informer
 Informer是一种基于Transformer模型改进的长时间序列预测（Long Sequence Time-Series Forecasting，LSTF）模型，专门用于处理具有长期依赖关系和不规则间隔的时间序列数据，即具有提取长距离依赖耦合的能力。与Transformer一样，Informer也是典型的编码器解码器模型结构，通过使用自注意力机制和卷积层来捕捉时间序列数据中的时序特征和上下文信息。Informer模型是改进于Transformer的，更适用于长时间序列预测， 近年来的研究表明，Transformer具有提高预测能力的潜力。然而，Transformer存在几个严重的问题，使其不能直接适用于长期时序预测问题，例如二次时间复杂度、高内存使用量和编码器-解码器体系结构固有的局限性。为了解决这些问题，这篇文章中设计了一种基于Transformer的长期时序预测模型，即Informer模型。