Upload README.md

README.md

@@ -1062,6 +1062,12 @@ model-index:
 
 ## acge model
 
+![logo](./img/logo.png)
+
+acge模型来自于[合合信息](https://www.intsig.com/)技术团队，对外技术试用平台[TextIn](https://www.textin.com/)。合合信息是行业领先的人工智能及大数据科技企业，致力于通过智能文字识别及商业大数据领域的核心技术、C端和B端产品以及行业解决方案为全球企业和个人用户提供创新的数字化、智能化服务。
+
+技术交流请联系[yanhui](yanhui_he@intsig.net)，商务合作联系[simon](simon_liu@intsig.net)，可以[点击图片](https://huggingface.co/aspire/acge_text_embedding/img/wx.jpg)，扫面二维码来加入我们的微信社群。
+
 acge是一个通用的文本编码模型，是一个可变长度的向量化模型，使用了[Matryoshka Representation Learning](https://arxiv.org/abs/2205.13147)，如图所示：
 
 ![matryoshka-small](./img/matryoshka-small.gif)
@@ -1179,7 +1185,7 @@ print(similarity)
 在sentence-transformer库中的使用方法，选取不同的维度：
 
 ```python
-import torch
+from sklearn.preprocessing import normalize
 from sentence_transformers import SentenceTransformer
 
 sentences = ["数据1", "数据2"]
@@ -1187,8 +1193,11 @@ model = SentenceTransformer('acge_text_embedding')
 embeddings = model.encode(sentences, normalize_embeddings=False)
 matryoshka_dim = 1024
 embeddings = embeddings[..., :matryoshka_dim]  # Shrink the embedding dimensions
-embeddings = torch.nn.functional.normalize(embeddings, p=2, dim=1)
+embeddings = normalize(embeddings, norm="l2", axis=1)
 print(embeddings.shape)
 # => (2, 1024)
 
 ```
+
+
+