minor readme modification

README_zh.md

@@ -9,9 +9,9 @@
 
 # FLM-101B
 
-FLM-101B是一个开源的decoder-only架构的语言模型，参数规模101B.训练过程采用模型生长技术，通过训练前期在小规模模型上快速学习知识，后期将模型逐步生长成大模型的方式，实现了千亿规模模型的低成本(~$100K)训练。
+FLM-101B是一个开源的decoder-only架构的语言模型，参数规模101B。训练过程采用模型生长技术，通过训练前期在小规模模型上快速学习知识，后期将模型逐步生长成大模型的方式，实现了千亿规模模型的低成本(~$100K)训练。
 FLM-101B支持中英双语，训练上下文窗口长度为2048，得益于使用了xPos旋转位置编码，推理时窗口大小可进行良好的拓展。
-为推动千亿规模LLM技术发展，FLM-101B现已全面开源.
+为推动千亿规模LLM技术发展，FLM-101B现已全面开源。
 
 
 ## 为什么使用FLM-101B
@@ -96,12 +96,12 @@ print(tokenizer.decode(generated.cpu()[0], skip_special_tokens=True))
 
 #### 硬件
 
-FLM-101B在24节点DGX-A800 GPU(8×80G)集群上完成的训练，总耗时近26天.基于模型生长策略，我们依次在该集群上进行了16B， 51B和101B的模型的训练和生长.
+FLM-101B在24节点DGX-A800 GPU(8×80G)集群上完成的训练，总耗时近26天。基于模型生长策略，我们依次在该集群上进行了16B， 51B和101B的模型的训练和生长。
 
 #### 软件
 
-FLM-101B的训练代码Megatron-FLM基于Megatron-LM框架修改，将在近期开源.
-框架支持3D并行策略以及分布式优化器.
+FLM-101B的训练代码Megatron-FLM基于Megatron-LM框架修改，将在近期开源。
+框架支持3D并行策略以及分布式优化器。
 
 ## 偏见、风险与限制