Rename readme.MD to README.md (#678)

* Rename readme.MD to README.md

* Create README.md

* Add files via upload

* Update README.md

* Delete zhangliang.png

* Add files via upload

* Rename 实践项目/2020_订制一个新的张量运算/README.md to 实践项目/2021_订制一个新的张量运算/README.md

* Update README.md

* Update readme.MD

* Rename readme.MD to README.md

实践项目/2021_基于Qlib的案例创新/README.md

@@ -33,7 +33,7 @@ Qlib具有涵盖量化投资全流程、聚齐AI三大要素（数据、算法
 - 任务难度：五星
 
 ## 项目提交方式
-提交项目至GitHub“微软人工智能教育与学习共建社区”指定位置，需要有文档和代码，文档中给出代码的具体运行步骤。
+提交项目至GitHub“微软人工智能教育与学习共建社区”专用[issue](https://github.com/microsoft/ai-edu/issues/681)，需要有文档和代码，文档中给出代码的具体运行步骤。
 
 ## 项目时间安排
 项目9月中旬发布，11月下旬验收。项目时长约为三个月。

实践项目/2021_订制一个新的张量运算/README.md

@@ -0,0 +1,38 @@
+# 2021年微软开源学习社群实践项目：定制一个新的张量运算
+## 项目简介：
+本实践案例主要任务为定制一个新的张量运算。通过完成本案例，参与者可以了解深度学习框架执行机制，理解DNN框架中的张量算子的原理，并在基于不同方法实现新的张量运算的同时比较其性能差异。
+
+## 实验环境：
+PyTorch==1.5.0
+
+## 实验原理：
+- 深度神经网络中的张量运算原理
+- PyTorch中基于Function和Module构造张量的方法
+- 通过C++扩展编写Python函数模块
+
+## 具体步骤：
+- 在MNIST的模型样例中，选择线性层（Linear）张量运算进行定制化实现。
+- 理解PyTorch构造张量运算的基本单位：Function和Module。
+- 基于Function和Module的Python API重新实现Linear张量运算。
+> - 修改MNIST样例代码
+> - 基于PyTorch Module编写自定义的Linear 类模块
+> - 基于PyTorch Function实现前向计算和反向传播函数
+> - 使用自定义Linear替换网络中nn.Linear() 类
+> - 运行程序，验证网络正确性
+- 理解PyTorch张量运算在后端执行原理
+- 实现C++版本的定制化张量运算
+- 基于C++，实现自定义Linear层前向计算和反向传播函数，并绑定为Python模型
+> - 将代码生成python的C++扩展
+> - 使用基于C++的函数扩展，实现自定义Linear类模块的前向计算和反向传播函数
+> - 运行程序，验证网络正确性
+- 使用profiler比较网络性能：比较原有张量运算和两种自定义张量运算的性能
+- 【可选实验，加分】实现卷积层（Convolutional）的自定义张量运算
+
+附：案例实现流程图
+![](./zhangliang.png)
+ 
+## 项目提交方式：
+提交项目至GitHub“微软人工智能教育与学习共建社区”专用[Issue](https://github.com/microsoft/ai-edu/issues/680)，需要有文档和代码，文档中给出代码的具体运行步骤。
+
+## 案例参考地址：
+AI-System/Labs/BasicLabs/Lab2 at main · microsoft/AI-System · GitHub