update image index

README.md

@@ -78,7 +78,7 @@
   - [x] [GLM-4.1V-Thinking vLLM 部署调用](./models/GLM-4.1V-Thinking/01-GLM-4%201V-Thinking%20vLLM部署调用.md) @林恒宇
   - [x] [GLM-4.1V-Thinking Gradio部署](./models/GLM-4.1V-Thinking/02-GLM-4%201V-Thinking%20Gradio部署.md) @林恒宇
   - [x] [GLM-4.1V-Thinking Lora 微调及 SwanLab 可视化记录](./models/GLM-4.1V-Thinking/03-GLM-4%201V-Thinking%20LoRA%20及%20SwanLab%20可视化记录.md) @林恒宇
-  - [x] [GLM-4.1V-Thinking Docker 镜像]() @林恒宇
+  - [x] [GLM-4.1V-Thinking Docker 镜像](https://www.codewithgpu.com/i/datawhalechina/self-llm/GLM4.1V-Thinking-lora) @林恒宇
 
 - [GLM-4.5-Air](https://github.com/zai-org/GLM-4.5)
   - [x] [GLM-4.5-Air vLLM 部署调用](./models/GLM-4.5-Air/01-GLM-4.5-Air-vLLM%20部署调用.md) @不要葱姜蒜

models/GLM-4.1V-Thinking/01-GLM-4 1V-Thinking vLLM部署调用.md

@@ -126,11 +126,11 @@ print(f"Assistant: {raw}")
 
 使用的视频文件示例：
 
-[demo3.mp4](images/demo3.mp4)
+[vdieo-1.mp4](images/vdieo-1.mp4)
 
 执行代码结果如下：
 
-![54022834-6a29-417b-9e3a-a9745ed94ae9.png](images/54022834-6a29-417b-9e3a-a9745ed94ae9.png)
+![image-2.png](images/image-2.png)
 
 ```
 Assistant: <think>用户现在需要描述视频内容。首先看画面：主要是Logi品牌的键盘，有手在操作按键。要分解每个细节：键盘是黑色带银色上沿，有数字键、功能键（如ins、delete、home等），手部动作是点击不同按键（比如数字键、功能键），背景有桌面、耳机（白色耳机和黑色耳机线），还有其他物品。需要按时间顺序或场景描述，说明是手在键盘上操作，按键的交互，以及环境元素。
@@ -191,7 +191,7 @@ print(outputs[0].outputs[0].text)
 
 执行代码结果如下：
 
-![f1bbc211-9869-4f55-81fc-9f124c229bd3.png](images/f1bbc211-9869-4f55-81fc-9f124c229bd3.png)
+![image-3.png](images/image-3.png)
 
 GLM-4.1V-9B-Thinking支持多种类型的多模态输入，但有特定限制：
 
@@ -224,7 +224,7 @@ vllm serve /root/autodl-tmp/ZhipuAI/GLM-4.1V-9B-Thinking
     --allowed-local-media-path /
 ```
 
-![f2dc28ba-6eb9-42bb-a936-8eb548d13b38.png](images/f2dc28ba-6eb9-42bb-a936-8eb548d13b38.png)
+![image-4.png](images/image-4.png)
 
 - 通过 `curl` 命令查看当前的模型列表
 
@@ -282,7 +282,7 @@ curl http://localhost:8000/v1/completions \
 
  得到的返回值如下所示
 
-![f11a6076-136c-4ddc-9e9b-34b614ac56f9.png](images/f11a6076-136c-4ddc-9e9b-34b614ac56f9.png)
+![image-5.png](images/image-5.png)
 
 • 用 `Python` 脚本请求 `OpenAI Chat Completions API` 的单图像示例
 
@@ -349,11 +349,11 @@ print(response.choices[0].message.content.strip())
 
 示例使用的图像如下所示：
 
-![demo1.png](images/demo1.png)
+![image-6.png](images/image-6.png)
 
 得到的结果如下所示：
 
-![7e5358f9-3e86-4d92-b304-5b6e59ddd2b0.png](images/7e5358f9-3e86-4d92-b304-5b6e59ddd2b0.png)
+![image-7.png](images/image-7.png)
 
 • 用 `Python` 脚本请求 `OpenAI Chat Completions API` 的多图像分析
 
@@ -379,8 +379,8 @@ messages = [
 
 示例使用的图像如下所示：
 <div style="display: flex; justify-content: center; gap: 20px; margin: 20px 0;">
-    <img src="images/demo2-1.jpg" alt="demo2-1" style="width: 300px; height: auto; border-radius: 8px; box-shadow: 0 2px 8px rgba(0,0,0,0.1);">
-    <img src="images/demo2-2.jpg" alt="demo2-2" style="width: 300px; height: auto; border-radius: 8px; box-shadow: 0 2px 8px rgba(0,0,0,0.1);">
+    <img src="images/image-8.jpg" alt="image-8" style="width: 300px; height: auto; border-radius: 8px; box-shadow: 0 2px 8px rgba(0,0,0,0.1);">
+    <img src="images/image-9.jpg" alt="image-9" style="width: 300px; height: auto; border-radius: 8px; box-shadow: 0 2px 8px rgba(0,0,0,0.1);">
 </div>
 
 执行代码结果如下：

models/GLM-4.1V-Thinking/02-GLM-4 1V-Thinking Gradio部署.md

@@ -2,7 +2,7 @@
 
 THUDM也提供一个gradio界面脚本，搭建一个可以直接使用的 Web 界面，支持图片，视频，PDF，PPT等多模态输入。当然，如果glm4.1v在本地调用的及修改对应的模型路径即可。
 
-![5b6cb0ad-cd47-451c-9f12-fda3e8300842.png](images/5b6cb0ad-cd47-451c-9f12-fda3e8300842.png)
+![image-10.png](images/image-10.png)
 
 ```bash
 python /root/autodl-tmp/GLM-4.1V-Thinking/inference/trans_infer_gradio.py
@@ -16,10 +16,10 @@ ssh -F /dev/null -CNg -L 7860:127.0.0.1:7860 [root@connect.nma1.seetacloud.com](
 
 ## 启动示例
 
-![4cfaea13-f4c7-4a95-b6a3-1ab88794f204.png](images/4cfaea13-f4c7-4a95-b6a3-1ab88794f204.png)
+![image-11.png](images/image-11.png)
 
-![7146cb1a-1e79-41b8-8927-62b1ae054cff.png](images/7146cb1a-1e79-41b8-8927-62b1ae054cff.png)
+![image-12.png](images/image-12.png)
 
-![5d1abd7a-f6f1-480e-8613-6e7e4d65734b.png](images/5d1abd7a-f6f1-480e-8613-6e7e4d65734b.png)
+![image-13.png](images/image-13.png)
 
-![4d52e632-038f-487b-ae36-c59f2e3d0481.png](images/4d52e632-038f-487b-ae36-c59f2e3d0481.png)
+![image-14.png](images/image-14.png)

models/GLM-4.1V-Thinking/03-GLM-4 1V-Thinking LoRA 及 SwanLab 可视化记录.md

@@ -152,7 +152,7 @@ swanlab_callback = SwanLabCallback(
 
 训练完成后可以看到自己训练过程中训练的相关参数曲线
 
-![af070e5a-5ff2-472a-8d17-31c3be798a60.png](images/af070e5a-5ff2-472a-8d17-31c3be798a60.png)
+![image-15.png](images/image-15.png)
 
 ## 加载LoRA模型推理
 
@@ -249,6 +249,6 @@ print(output_text)
 
 `喵呜~这个皮革看起来很舒服喵！就像本雪的毛一样柔软喵~你觉得呢喵？本雪想摸一摸喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）喵~（蹭蹭）喵~（舔毛）喵~（打滚）喵~（摇尾巴）喵~（喵喵叫）喵~（跳起来）喵~（扑过去）`
 
-![0a142a95-2ae7-4048-b08a-70b9d4135b21.png](images/0a142a95-2ae7-4048-b08a-70b9d4135b21.png)
+![image-16.png](images/image-16.png)
 
 hhhhh