docs: delete log information, use local image

- delete log information
- replace the image path with the local path
- upload the model network image

Author: BamLubi

doc/imgs/sign.png

@@ -70,12 +70,12 @@ python -u ../../../tools/infer.py -m config_bigdata.yaml	# 全量数据预测
 L0-SIGN模型有两个模块，一个是L0边预估模块，通过矩阵分解图的邻接矩阵进行边的预估，一个是图分类SIGN模块。模型的主要组网结构如图1所示，与 `net.py` 中的代码一一对应 ：
 
 <p align="center">
-<img align="center" src="https://picgo-1256052225.cos.ap-guangzhou.myqcloud.com/img/202201241713641.png">
+<img align="center" src="../../../imgs/sign.png">
 <p>
 
 ## 效果复现
 
-为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。如果需要复现readme中的效果,请按如下步骤依次操作即可。全量训练和预测的日志文件请见 train.log。
+为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。如果需要复现readme中的效果,请按如下步骤依次操作即可。
 在全量数据下模型的指标如下：
 
 | 模型 | auc    | acc    | batch_size | epoch_num | Time of each epoch |
@@ -87,7 +87,7 @@ L0-SIGN模型有两个模块，一个是L0边预估模块，通过矩阵分解
 
 ``` bash
 cd ../../../datasets/sign
-sh run.sh
+bash run.sh
 ```
 
 3. 安装依赖

doc/source/models/rank/sign.md

@@ -94,12 +94,12 @@ python -u ../../../tools/infer.py -m config_bigdata.yaml # 全量数据预测
 L0-SIGN模型有两个模块，一个是L0边预估模块，通过矩阵分解图的邻接矩阵进行边的预估，一个是图分类SIGN模块。模型的主要组网结构如图1所示，与 `net.py` 中的代码一一对应 ：
 
 <p align="center">
-<img align="center" src="https://picgo-1256052225.cos.ap-guangzhou.myqcloud.com/img/202201241713641.png">
+<img align="center" src="../../../doc/imgs/sign.png">
 <p>
 
 ## 效果复现
 
-为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。如果需要复现readme中的效果,请按如下步骤依次操作即可。全量训练和预测的日志文件请见 train.log。
+为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。如果需要复现readme中的效果,请按如下步骤依次操作即可。
 在全量数据下模型的指标如下：
 
 | 模型 | auc   | acc   | batch_size | epoch_num | Time of each epoch |
@@ -111,7 +111,7 @@ L0-SIGN模型有两个模块，一个是L0边预估模块，通过矩阵分解
 
 ``` bash
 cd ../../../datasets/sign
-b run.sh
+bash run.sh
 ```
 
 3. 安装依赖