diff --git a/labworks/LW2/report.md b/labworks/LW2/report.md
index bea98cc..628dd82 100644
--- a/labworks/LW2/report.md
+++ b/labworks/LW2/report.md
@@ -60,7 +60,7 @@ loss: 47.3273
 lib.ire_plot('training', IRE1, IREth1, 'AE1')
 ```
 
-![График ошибки реконструкции](IRE_trainingAE1.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p2.PNG)
 
 ```py
 print("Порог ошибки = ",IREth1)
@@ -89,7 +89,7 @@ loss: 0.6548
 lib.ire_plot('training', IRE2, IREth2, 'AE2')
 ```
 
-![](IRE_trainingAE2.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p3.PNG)
 
 ```py
 print("Порог ошибки = ",IREth2)
@@ -111,8 +111,9 @@ amount:  20
 amount_ae:  311
 ```
 
-![](XtXd_1.png)
-![](XtXd_1_metrics.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p4.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p5.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p6.PNG)
 
 ```
 Оценка качества AE1
@@ -135,8 +136,9 @@ amount:  20
 amount_ae:  185
 ```
 
-![](XtXd_2.png)
-![](XtXd_2_metrics.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p7.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p8.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p9.PNG)
 
 ```
 Оценка качества AE2
@@ -152,7 +154,7 @@ IDEAL = 1. Extrapolation precision (Approx):  0.10810810810810811
 lib.plot2in1(data, xx, yy, Z1, Z2)
 ```
 
-![](AE1_AE2_train_def.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p10.PNG)
 
 ## 8) Если автокодировщик AE2 недостаточно точно аппроксимирует область обучающих данных, то подобрать подходящие параметры автокодировщика и повторить шаги (6) – (8).
 
@@ -177,7 +179,7 @@ lib.ire_plot('test', ire1, IREth1, 'AE1')
 Аномалий не обнаружено
 ```
 
-![](IRE_testAE1.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p11.PNG)
 
 ```py
 # тестирование АE2
@@ -186,7 +188,7 @@ lib.anomaly_detection_ae(predicted_labels2, ire2, IREth2)
 lib.ire_plot('test', ire2, IREth2, 'AE1')
 ```
 
-![](IRE_testAE2.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p12.PNG)
 
 ## 11) Визуализировать элементы обучающей и тестовой выборки в областях пространства признаков, распознаваемых автокодировщиками AE1 и AE2.
 
@@ -194,7 +196,7 @@ lib.ire_plot('test', ire2, IREth2, 'AE1')
 lib.plot2in1_anomaly(data, xx, yy, Z1, Z2, data_test)
 ```
 
-![](AE1_AE2_train_def_anomalies.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p13.PNG)
 
 ## 12) Результаты исследования занести в таблицу:
 
@@ -309,7 +311,7 @@ ae3_trained, IRE3, IREth3 = lib.create_fit_save_ae(train,'out/AE3.h5','out/AE3_i
 lib.ire_plot('training', IRE3, IREth3, 'AE3')
 ```
 
-![График ошибки реконструкции](2_5.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p14.PNG)
 
 ```python
 print("Порог ошибки реконструкции = ",IREth3)
@@ -370,7 +372,7 @@ lib.ire_plot('test', ire3, IREth3, 'AE3')
 >
 > Обнаружено 100.0 аномалий
 
-![График ошибки реконструкции](2_7.png)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW2/data/p15.PNG)
 
 ## 8. Параметры наилучшего автокодировщика и результаты обнаружения аномалий