diff --git a/Assignment7.md b/Assignment7.md
index ed59e61..417fcf2 100644
--- a/Assignment7.md
+++ b/Assignment7.md
@@ -236,48 +236,41 @@ git pull root@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git //将
#### 1）点击训练任务的“Jupyter”按钮，进入jupyter notebook，我们看到了文件存储上的三个文件夹code，data和output，因为我们将它们映射到了容器中。
-#### 2）点击进入code，新建一个tensorflow的notebook，并重命名，然后保存文件
-
-#### 3）回到云主机的/mnt/mnist/data目录下
-
-
-
-
+
+ 
+
-#### 3）现在让我们把这三个云主机连接到负载均衡器，并且从负载均衡器中删除刚才的具有外网ip的节点（接下来我们要用外网ip节点做压测）。首先我们禁用掉其中的两个节点，只保留一个节点在启用状态。如下图所示。
+#### 2）点击进入code，新建一个tensorflow的notebook，并重命名为mnist，然后保存文件
- 
+ 
-## `**************作业2：请将此时连接到负载均衡的服务节点（三个）截图，并插入实验报告***************`
+
+ 
+
-#### 4）登录具有外网ip的云主机，安装ApacheBench
-```
-sudo yum -y install httpd
-```
+#### 3）回到云主机，进入/mnt/mnist/data目录，下载mnist数据集。完成后你的mnist目录结构应该如下图所示（output中可能略有不同）
-#### 5）运行压测命令。`-c`表示并发数，即同时发生的请求数，`-n`表示请求总数，`http://106.75.216.169/`替换成你的负载均衡器ip。所以这里对我们的flask app并发1000个请求，总共发出10000个请求。结果如下图所示。
```
-ab -c 1000 -n 10000 http://106.75.216.169/
+wget https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
```
- 
+ 
-> 这里我们关注几个重要结果
-
-> 1) Time taken for tests：压测总时间
+#### 4）此时让我们先把这些文件push一把，同步到码园中。在/mnt/mnist下，运行
-> 2) Requests per second: 平均每秒处理请求数
-
-> 3) Time per request: 平均每个请求处理时间
+```
+git remote add origin root@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git //替换成你的码园仓库
+git add .
+git commit -m "xuesong's first commit"
+git push origin master
+```
-#### 6）接下来，请逐渐启用第2和第3个服务器节点，然后再运行上面的压测命令。
+没有报错则成功push，去水杉码园查看你的仓库验证。
-## `**************作业3：请将启用一个节点、两个节点、三个节点时的压测结果分别截图，并插入实验报告***************`
+#### 5）下载mnist训练代码[mnist.py](file/assignment7/mnist.py)，并在刚刚创建的mnist.ipynb中验证、训练一个模型。
-注意，由于有网络因素干扰，每个实验你可以多进行几次压测，得到比较正常的结果再截图。
-## `**************作业4：假设现在压测结果显示单台机器的Requests per second为30，一天中的请求峰值时间是2个小时，总共需要处理5千万个请求，请问需要至少准备多少台机器才可能平稳度过峰值请求？***************`