From 2601c454449211928101387b682d843b67da2f43 Mon Sep 17 00:00:00 2001
From: KMnO4-zx <1021385881@qq.com>
Date: Wed, 18 Jun 2025 16:33:43 +0800
Subject: [PATCH] =?UTF-8?q?docs(chapter5):=20=E4=BF=AE=E5=A4=8DLLaMA2=20At?=
 =?UTF-8?q?tention=E7=BB=93=E6=9E=84=E5=9B=BE=E4=B8=AD=E5=9B=BE=E7=89=87?=
 =?UTF-8?q?=E9=93=BE=E6=8E=A5=E6=A0=BC=E5=BC=8F?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/chapter5/第五章 动手搭建大模型.md | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/docs/chapter5/第五章 动手搭建大模型.md b/docs/chapter5/第五章 动手搭建大模型.md
index ddbf7a5..36f6700 100644
--- a/docs/chapter5/第五章 动手搭建大模型.md	
+++ b/docs/chapter5/第五章 动手搭建大模型.md	
@@ -114,7 +114,7 @@ torch.Size([1, 50, 768])
 在 LLaMA2 模型中，虽然只有 LLaMA2-70B模型使用了分组查询注意力机制（Grouped-Query Attention，GQA），但我们依然选择使用 GQA 来构建我们的 LLaMA Attention 模块，它可以提高模型的效率，并节省一些显存占用。
 
 <div align='center'>
-    <img src="https://raw.githubusercontent.com/datawhalechina/happy-llm/main/docs/images/5-images/llama2-attention" alt="alt text" width="70%">
+    <img src="https://raw.githubusercontent.com/datawhalechina/happy-llm/main/docs/images/5-images/llama2-attention.png" alt="alt text" width="50%">
     <p>图 5.2 LLaMA2 Attention 结构</p>
 </div>