diff --git a/labworks/LW3/report.md b/labworks/LW3/report.md
index 588b90b..c946a51 100644
--- a/labworks/LW3/report.md
+++ b/labworks/LW3/report.md
@@ -171,7 +171,7 @@ print('Real mark: ', np.argmax(y_test[n]))
 print('NN answer: ', np.argmax(result))
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f3.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f3.PNG)
 
 ---
 
@@ -196,7 +196,7 @@ display.plot()
 plt.show()
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f4.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f4.PNG)
 
 ### 9. Загрузка, предобработка и подача собственных изображения
 
@@ -220,7 +220,7 @@ result = model.predict(test_img)
 print('I think it\'s ', np.argmax(result))
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f5.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f5.PNG)
 
 ```python
 # загрузка собственного изображения
@@ -239,7 +239,7 @@ result = model.predict(test_img)
 print('I think it\'s ', np.argmax(result))
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f6.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f6.PNG)
 
 ---
 
@@ -250,7 +250,7 @@ model = keras.models.load_model("best_model.keras")
 model.summary()
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f7.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f7.PNG)
 
 ```python
 # развернем каждое изображение 28*28 в вектор 784
@@ -390,7 +390,7 @@ for i in range(25):
 plt.show()
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f8.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f8.PNG)
 
 ### 4. Предобработка данных
 
@@ -452,7 +452,7 @@ model.add(layers.Dense(num_classes, activation="softmax"))
 model.summary()
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f9.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f9.PNG)
 
 ```python
 batch_size = 64
@@ -490,9 +490,9 @@ for n in [2,15]:
 
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f10.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f10.PNG)
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f11.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f11.PNG)
 
 ---
 
@@ -519,9 +519,9 @@ plt.tight_layout()  # чтобы всё влезло
 plt.show()
 ```
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f12.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f12.PNG)
 
-![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/src/branch/main/labworks/LW3/photo/f13.PNG)
+![photo](http://uit.mpei.ru/git/ShchipkovMY/is_dnn/raw/branch/main/labworks/LW3/photo/f13.PNG)
 
 
 **Вывод**: Модель нейронной сети, обученная на датасете CIFAR-10, показала достойный результат с точностью распознавания 82%. При этом её показатель оказался ниже, чем у модели, созданной для MNIST. Такое различие объясняется характером данных: классификация цветных изображений заметно сложнее, чем чёрно-белых цифр. Для повышения качества распознавания в случае CIFAR-10 целесообразно усложнять архитектуру сети: увеличивать число слоёв и эпох обучения, а также расширять обучающую выборку (в данной работе она составляла 50 000 примеров).