Update README.md

demo/README.md

@@ -2,44 +2,44 @@
 
 目前PaddleHub有以下任务示例：
 
-* 图像分类
-  * 该样例展示了PaddleHub如何将ResNet50、ResNet101、ResNet152、MobileNet、NasNet以及PNasNet作为预训练模型在Flowers、DogCat、Indoor67、Food101、StanfordDogs等数据集上进行图像分类的FineTune和预测。
+* [图像分类](./image-classification)
+  该样例展示了PaddleHub如何将ResNet50、ResNet101、ResNet152、MobileNet、NasNet以及PNasNet作为预训练模型在Flowers、DogCat、Indoor67、Food101、StanfordDogs等数据集上进行图像分类的FineTune和预测。
 
-* 中文词法分析
-  * 该样例展示了PaddleHub如何利用中文词法分析LAC进行预测。
+* [中文词法分析](./lac)
+  该样例展示了PaddleHub如何利用中文词法分析LAC进行预测。
 
-* 情感分析
-  * 该样例展示了PaddleHub如何利用中文情感分析模型Senta进行FineTune和预测。
+* [情感分析](./senta)
+  该样例展示了PaddleHub如何利用中文情感分析模型Senta进行FineTune和预测。
   
-* 序列标注
-  * 该样例展示了PaddleHub如何将ERNIE/BERT等Transformer类模型作为预训练模型在MSRA_NER数据集上完成序列标注的FineTune和预测。
+* [序列标注](./sequence-labeling)
+  该样例展示了PaddleHub如何将ERNIE/BERT等Transformer类模型作为预训练模型在MSRA_NER数据集上完成序列标注的FineTune和预测。
   
-* 目标检测
-  * 该样例展示了PaddleHub如何将SSD作为预训练模型在PascalVOC数据集上完成目标检测的预测。
+* [目标检测](./ssd)
+  该样例展示了PaddleHub如何将SSD作为预训练模型在PascalVOC数据集上完成目标检测的预测。
 
-* 文本分类
-  * 该样例展示了PaddleHub如何将ERNIE/BERT等Transformer类模型作为预训练模型在GLUE、ChnSentiCorp等数据集上完成文本分类的FineTune和预测。
+* [文本分类](./text-classification)
+  该样例展示了PaddleHub如何将ERNIE/BERT等Transformer类模型作为预训练模型在GLUE、ChnSentiCorp等数据集上完成文本分类的FineTune和预测。
 
-* 多标签分类
-  * 该样例展示了PaddleHub如何将BERT作为预训练模型在Toxic数据集上完成多标签分类的FineTune和预测。
+* [多标签分类](./multi-label-classification)
+  该样例展示了PaddleHub如何将BERT作为预训练模型在Toxic数据集上完成多标签分类的FineTune和预测。
   
-* 回归任务
-  * 该样例展示了PaddleHub如何将BERT作为预训练模型在GLUE-STSB数据集上完成回归任务的FineTune和预测。
+* [回归任务](./regression)
+  该样例展示了PaddleHub如何将BERT作为预训练模型在GLUE-STSB数据集上完成回归任务的FineTune和预测。
 
-* 阅读理解
-  * 该样例展示了PaddleHub如何将BERT作为预训练模型在SQAD数据集上完成阅读理解的FineTune和预测。
+* [阅读理解](./reading-comprehension)
+  该样例展示了PaddleHub如何将BERT作为预训练模型在SQAD数据集上完成阅读理解的FineTune和预测。
 
-* 检索式问答任务
-  * 该样例展示了PaddleHub如何将ERNIE和BERT作为预训练模型在NLPCC-DBQA等数据集上完成检索式问答任务的FineTune和预测。
+* [检索式问答任务](./qa_classfication)
+  该样例展示了PaddleHub如何将ERNIE和BERT作为预训练模型在NLPCC-DBQA等数据集上完成检索式问答任务的FineTune和预测。
 
-* 句子语义相似度计算
-  * 该样例展示了PaddleHub如何将word2vec_skipgram用于计算两个文本语义相似度。
+* [句子语义相似度计算](./sentence_similarity)
+  该样例展示了PaddleHub如何将word2vec_skipgram用于计算两个文本语义相似度。
   
-* 超参优化AutoDL Finetuner使用
-  * 该样例展示了PaddleHub超参优化AutoDL Finetuner如何使用，给出了自动搜素图像分类/文本分类任务的较佳超参数示例。
+* [超参优化AutoDL Finetuner使用](./autofinetune)
+  该样例展示了PaddleHub超参优化AutoDL Finetuner如何使用，给出了自动搜素图像分类/文本分类任务的较佳超参数示例。
   
-* 服务化部署Hub Serving使用
-  * 该样例文件夹下展示了服务化部署Hub Serving如何使用，将PaddleHub支持的可预测Module如何服务化部署。
+* [服务化部署Hub Serving使用](./serving)
+  该样例文件夹下展示了服务化部署Hub Serving如何使用，将PaddleHub支持的可预测Module如何服务化部署。
 
 **NOTE**
 以上任务示例均是利用PaddleHub提供的数据集，若您想在自定义数据集上完成相应任务，请查看[PaddleHub适配自定义数据完成FineTune](https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub%E9%80%82%E9%85%8D%E8%87%AA%E5%AE%9A%E4%B9%89%E6%95%B0%E6%8D%AE%E5%AE%8C%E6%88%90FineTune)
@@ -64,4 +64,4 @@
 
 ## 超参优化AutoDL Finetuner
 
-PaddleHub还提供了超参优化（Hyperparameter Tuning）功能， 自动搜索最优模型超参得到更好的模型效果。详细信息参见[AutoDL Finetuner超参优化功能教程](../../tutorial/autofinetune.md) 和[使用样例](../autofinetune)
+PaddleHub还提供了超参优化（Hyperparameter Tuning）功能， 自动搜索最优模型超参得到更好的模型效果。详细信息参见[AutoDL Finetuner超参优化功能教程](../../tutorial/autofinetune.md)