WeMM-Embedding

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Python 环境与可用的 pip（README 未标明最低 Python 版本）
• 可访问 Hugging Face 下载模型权重
• 足够的显存/内存运行 2B/4B/9B 规模模型（README 未给出具体数值）
• 已安装 git 以便克隆仓库（README 未提及，按 GitHub 常规做法）

安装与启动步骤

1. 1克隆仓库

   把 WeMM-Embedding 源码拉到本地，后续在仓库目录内安装依赖。README 未给出克隆命令，这里按项目 GitHub 地址推断。

   git clone https://github.com/Tencent/WeMM-Embedding.git

   复制

2. 2进入项目目录

   切换到仓库根目录，requirements.txt 位于此处。

   cd WeMM-Embedding

   复制

3. 3安装依赖

   README 唯一给出的安装步骤，按 requirements.txt 安装运行所需依赖，建议在虚拟环境中执行。

   pip install -r requirements.txt

   复制

4. 4选择并下载模型

   在 Model Zoo 中按规模选择 2B/4B/9B 版本，从对应 Hugging Face 页面获取权重。README 未提供下载命令，自行打开链接下载或使用 HF 工具。

5. 5获取嵌入向量

   README 说明：嵌入取自最后一层隐藏状态中专用 token 位置，随后做 L2 归一化；README 未给出调用示例代码。

关键配置

如何确认成功

执行 pip install 无报错即依赖安装成功；Hugging Face 权重下载完整后即可按 token 取向量验证。

常见问题

注意事项

• README 仅给出 pip install -r requirements.txt 一条安装命令，未提供推理示例代码，接入方式需参考仓库后续文档。
• 2B/4B/9B 各版本维度上限不同，选择维度时注意不要超过对应模型支持的最大值。
• 模型权重托管在 Hugging Face，国内网络可能需配置镜像或代理。