torchtune.models

llama3.3

仅文本模型来自Llama3系列的3.3版本。

重要提示：在下载之前，您需要先在 Hugging Face 上申请访问权限。

要下载 Llama-3.3-70B-Instruct 模型：

tune download meta-llama/Llama-3.3-70B-Instruct --ignore-patterns "original/consolidated.00.pth" --hf-token <HF_TOKEN>

llama3_3.llama3_3_70b	用于创建使用默认 70B 参数值初始化的 Llama3.3 模型的构建器。
llama3_3.lora_llama3_3_70b	用于创建启用 LoRA 的 Llama3.3 70B 模型的构建器。
llama3_3.qlora_llama3_3_70b	用于创建启用 QLoRA 的 Llama3.3 70B 模型的构建器。

注意

Llama3.3 分词器重用了 llama3_tokenizer 类。

llama3.2

仅文本模型来自Llama3系列的3.2版本。

重要提示：在下载之前，您需要先在 Hugging Face 上申请访问权限。

要下载 Llama-3.2-1B-Instruct 模型：

tune download meta-llama/Llama-3.2-1B-Instruct --output-dir /tmp/Llama-3.2-1B-Instruct --ignore-patterns "original/consolidated.00.pth" --hf-token <HF_TOKEN>

要下载 Llama-3.2-3B-Instruct 模型：

tune download meta-llama/Llama-3.2-3B-Instruct --output-dir /tmp/Llama-3.2-3B-Instruct --ignore-patterns "original/consolidated*" --hf-token <HF_TOKEN>

llama3_2.llama3_2_1b	用于创建以默认 10 亿参数值初始化的 Llama3.2 模型的构建器。
llama3_2.llama3_2_3b	用于创建以默认 30 亿参数值初始化的 Llama3.2 模型的构建器。
llama3_2.lora_llama3_2_1b	用于创建启用 LoRA 的 Llama3.2 1B 模型的构建器。
llama3_2.lora_llama3_2_3b	用于创建启用 LoRA 的 Llama3.2 3B 模型的构建器。
llama3_2.qlora_llama3_2_1b	用于创建启用 QLoRA 的 Llama3.2 1B 模型的构建器。
llama3_2.qlora_llama3_2_3b	用于创建启用 QLoRA 的 Llama3.2 3B 模型的构建器。

注意

Llama3.2 分词器重用了 llama3_tokenizer 类。

llama3.2 Vision

从Llama3系列的3.2版本中获得的视觉-语言模型。

重要提示：在下载之前，您需要先在 Hugging Face 上申请访问权限。

要下载 Llama-3.2-11B-Instruct 模型：

tune download meta-llama/Llama-3.2-11B-Vision-Instruct --output-dir /tmp/Llama-3.2-11B-Vision-Instruct --hf-token <HF_TOKEN>

llama3_2_vision.llama3_2_vision_11b	Llama 3.2 视觉 11B 模型
llama3_2_vision.llama3_2_vision_transform	Llama3 视觉模型的数据变换（包括分词器）。
llama3_2_vision.lora_llama3_2_vision_11b	返回一个应用了LoRA的Llama3.2视觉版本（DeepFusionModel()的实例），该版本基于传入的配置。
llama3_2_vision.qlora_llama3_2_vision_11b	用于创建启用 QLoRA 的 Llama3.2 视觉 11B 模型的构建器。
llama3_2_vision.llama3_2_vision_decoder	构建与 Llama3 模型关联的解码器，并添加额外的融合交叉注意力层。
llama3_2_vision.llama3_2_vision_encoder	通过结合 CLIP 图像模型与额外的投影头融合模块，构建 Llama 3.2 视觉编码器。
llama3_2_vision.lora_llama3_2_vision_decoder	构建与 Llama3 模型关联的解码器，并添加额外的融合交叉注意力层。
llama3_2_vision.lora_llama3_2_vision_encoder	通过结合 CLIP 图像模型与额外的投影头融合模块，构建 Llama 3.2 视觉编码器。
llama3_2_vision.Llama3VisionEncoder	Llama 3.2 Vision 的视觉编码器模型。
llama3_2_vision.Llama3VisionProjectionHead	投影 Transformer，用于将预训练冻结编码器（CLIP）的输出适配到预训练的解码器模型。
llama3_2_vision.Llama3VisionTransform	此变换结合了 Llama 3.2 Vision 不同模态的变换。

注意

Llama3.2 分词器重用了 llama3_tokenizer 类。

llama3 & llama3.1

Llama3系列的模型3和3.1。

重要提示：在下载之前，您需要先在 Hugging Face 上申请访问权限。

要下载 Llama3.1-8B-Instruct 模型：

tune download meta-llama/Meta-Llama-3.1-8B-Instruct --output-dir /tmp/Meta-Llama-3.1-8B-Instruct --ignore-patterns "original/consolidated.00.pth" --hf-token <HF_TOKEN>

要下载 Llama3.1-70B-Instruct 模型：

tune download meta-llama/Meta-Llama-3.1-70B-Instruct --output-dir /tmp/Meta-Llama-3.1-70B-Instruct --ignore-patterns "original/consolidated*" --hf-token <HF_TOKEN>

要下载 Llama3.1-405B-Instruct 模型：

tune download meta-llama/Meta-Llama-3.1-405B-Instruct --ignore-patterns "original/consolidated*" --hf-token <HF_TOKEN>

要下载上述模型的 Llama3 权重，您可以改为从 Meta-Llama-3-8B-Instruct 和 Meta-Llama-3-70B-Instruct 下载，并移除忽略模式标志。

llama3.llama3	构建与 Llama3 模型关联的解码器。
llama3.lora_llama3	返回一个应用了LoRA的Llama3版本（TransformerDecoder()的一个实例），该版本基于传入的配置。
llama3.llama3_8b	用于创建使用默认 80 亿参数值初始化的 Llama3 模型的构建器。
llama3.lora_llama3_8b	用于创建启用 LoRA 的 Llama3 8B 模型的构建器。
llama3.qlora_llama3_8b	用于创建启用 QLoRA 的 Llama3 8B 模型的构建器。
llama3.llama3_70b	用于创建使用默认 70B 参数值初始化的 Llama3 模型的构建器。
llama3.lora_llama3_70b	用于创建启用 LoRA 的 Llama3 70B 模型的构建器。
llama3.qlora_llama3_70b	用于创建启用 QLoRA 的 Llama3 70B 模型的构建器。
llama3.llama3_tokenizer	Llama3 的分词器。
llama3_1.llama3_1	构建与 Llama3.1 模型关联的解码器。
llama3_1.lora_llama3_1	返回一个应用了LoRA的Llama3.1版本（TransformerDecoder()的一个实例），该版本基于传入的配置。
llama3_1.llama3_1_8b	用于创建使用默认 80 亿参数值初始化的 Llama3.1 模型的构建器。
llama3_1.lora_llama3_1_8b	用于创建启用 LoRA 的 Llama3.1 8B 模型的构建器。
llama3_1.qlora_llama3_1_8b	用于创建启用 QLoRA 的 Llama3.1 8B 模型的构建器。
llama3_1.llama3_1_70b	用于创建使用默认 70B 参数值初始化的 Llama3.3 模型的构建器。
llama3_1.lora_llama3_1_70b	用于创建启用 LoRA 的 Llama3.3 70B 模型的构建器。
llama3_1.qlora_llama3_1_70b	用于创建启用 QLoRA 的 Llama3.3 70B 模型的构建器。
llama3_1.llama3_1_405b	用于创建使用默认 405B 参数值初始化的 Llama3.1 模型的构建器。
llama3_1.lora_llama3_1_405b	用于创建启用 LoRA 的 Llama3.1 405B 模型的构建器。
llama3_1.qlora_llama3_1_405b	用于创建启用 QLoRA 的 Llama3.1 405B 模型的构建器。

注意

Llama3.1 分词器重用了 llama3.llama3_tokenizer 构建器类。

llama2

Llama2系列的所有模型。

重要提示：在下载之前，您需要先在 Hugging Face 上申请访问权限。

下载 Llama2-7B 模型：

tune download meta-llama/Llama-2-7b-hf --output-dir /tmp/Llama-2-7b-hf --hf-token <HF_TOKEN>

要下载 Llama2-13B 模型：

tune download meta-llama/Llama-2-13b-hf --output-dir /tmp/Llama-2-13b-hf --hf-token <HF_TOKEN>

要下载 Llama2-70B 模型：

tune download meta-llama/Llama-2-70b-hf --output-dir /tmp/Llama-2-70b-hf --hf-token <HF_TOKEN>

llama2.llama2	构建与 Llama2 模型关联的解码器。
llama2.lora_llama2	返回一个应用了LoRA的Llama2版本（TransformerDecoder()的一个实例），该版本基于传入的配置。
llama2.llama2_7b	用于创建 Llama2 模型的构建器，使用来自 https://arxiv.org/abs/2307.09288 的默认 7B 参数值进行初始化
llama2.lora_llama2_7b	用于创建启用 LoRA 的 Llama2 7B 模型的构建器。
llama2.qlora_llama2_7b	用于创建启用 QLoRA 的 Llama2 7B 模型的构建器。
llama2.llama2_13b	用于创建 Llama2 模型的构建器，使用来自 https://arxiv.org/abs/2307.09288 的默认 13B 参数值进行初始化
llama2.lora_llama2_13b	用于创建启用 LoRA 的 Llama2 13B 模型的构建器。
llama2.qlora_llama2_13b	用于创建启用 QLoRA 的 Llama2 13B 模型的构建器。
llama2.llama2_70b	用于创建 Llama2 模型的构建器，使用来自 https://arxiv.org/abs/2307.09288 的默认 70B 参数值进行初始化
llama2.lora_llama2_70b	用于创建启用 LoRA 的 Llama2 70B 模型的构建器。
llama2.qlora_llama2_70b	用于创建启用 QLoRA 的 Llama2 70B 模型的构建器。
llama2.llama2_tokenizer	Llama2 的分词器。
llama2.llama2_reward_7b	用于创建Llama2模型的构建器，使用来自https://arxiv.org/abs/2307.09288的默认7B参数值进行初始化，其中输出层是一个分类层，将投影到单个类别以进行奖励建模。
llama2.lora_llama2_reward_7b	用于创建启用 LoRA 的 Llama2 7B 奖励模型的构建器。
llama2.qlora_llama2_reward_7b	用于创建启用 QLoRA 的 Llama2 奖励 7b 模型的构建器。
llama2.Llama2ChatTemplate	使用 Llama2 预训练中所用标签的提示模板，用于格式化人类和系统提示的对话数据。

代码大模型

来自 Code Llama 系列 的模型。

重要提示：在下载之前，您需要先在 Hugging Face 上申请访问权限。

要下载 CodeLlama-7B 模型：

tune download meta-llama/CodeLlama-7b-hf --output-dir /tmp/CodeLlama-7b-hf --hf-token <HF_TOKEN>

code_llama2.code_llama2_7b	用于创建 Code-Llama2 模型的构建器，使用来自 https://arxiv.org/pdf/2308.12950.pdf 的默认 7B 参数值进行初始化
code_llama2.lora_code_llama2_7b	用于创建启用 LoRA 的 Code-Llama2 7B 模型的构建器。
code_llama2.qlora_code_llama2_7b	用于创建启用 QLoRA 的 Code-Llama2 7B 模型的构建器。
code_llama2.code_llama2_13b	用于创建 Code-Llama2 模型的构建器，使用来自 https://arxiv.org/pdf/2308.12950.pdf 的默认 13B 参数值进行初始化
code_llama2.lora_code_llama2_13b	用于创建启用 LoRA 的 Code-Llama2 13B 模型的构建器。
code_llama2.qlora_code_llama2_13b	用于创建启用 QLoRA 的 Code-Llama2 13B 模型的构建器。
code_llama2.code_llama2_70b	用于创建 Code-Llama2 模型的构建器，使用来自 https://arxiv.org/pdf/2308.12950.pdf 的默认 70B 参数值进行初始化
code_llama2.lora_code_llama2_70b	用于创建启用 LoRA 的 Code-Llama2 70B 模型的构建器。
code_llama2.qlora_code_llama2_70b	用于创建启用 QLoRA 的 Code-Llama2 70B 模型的构建器。

qwen-2.5

来自Qwen2.5系列的0.5B、1.5B、3B、7B、14B、32B和72B模型。

例如，要下载 Qwen2.5 1.5B 模型：

tune download Qwen/Qwen2.5-1.5B-Instruct --output-dir /tmp/Qwen2_5-1_5B-Instruct

qwen2_5.qwen2_5_0_5b	用于创建 Qwen2.5 模型（基础版或指令版）的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct 的默认 0.5B 参数值进行初始化
qwen2_5.lora_qwen2_5_0_5b	用于创建启用 LoRA 的 Qwen2.5 0.5B 模型（基础版或指令微调版）的构建器。
qwen2_5.qwen2_5_1_5b_base	用于创建 Qwen2.5 基础模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-1.5B 的默认 15亿参数值进行初始化
qwen2_5.qwen2_5_1_5b_instruct	用于创建 Qwen2.5 指令模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct 的默认 15 亿参数值进行初始化
qwen2_5.lora_qwen2_5_1_5b_base	用于创建启用 LoRA 的 Qwen2.5 1.5B 基础模型的构建器。
qwen2_5.lora_qwen2_5_1_5b_instruct	用于创建启用 LoRA 的 Qwen2.5 1.5B 指令模型的构建器。
qwen2_5.qwen2_5_3b	用于创建 Qwen2.5 模型（基础版或指令版）的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-3B-Instruct 的默认 3B 参数值进行初始化。
qwen2_5.lora_qwen2_5_3b	用于创建启用 LoRA 的 Qwen2.5 3B 模型（基础版或指令微调版）的构建器。
qwen2_5.qwen2_5_7b_base	用于创建 Qwen2.5 基础模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-7B 的默认 7B 参数值进行初始化
qwen2_5.qwen2_5_7b_instruct	用于创建 Qwen2.5 指令模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-7B-Instruct 的默认 7B 参数值进行初始化
qwen2_5.lora_qwen2_5_7b_base	用于创建启用 LoRA 的 Qwen2.5 7B 基础模型的构建器。
qwen2_5.lora_qwen2_5_7b_instruct	用于创建启用 LoRA 的 Qwen2.5 7B 指令微调模型的构建器。
qwen2_5.qwen2_5_14b_base	用于创建 Qwen2.5 基础模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-14B 的默认 14B 参数值进行初始化
qwen2_5.qwen2_5_14b_instruct	用于创建 Qwen2.5 指令模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-14B-Instruct 的默认 14B 参数值进行初始化
qwen2_5.lora_qwen2_5_14b_base	用于创建启用 LoRA 的 Qwen2.5 14B 基础模型的构建器。
qwen2_5.lora_qwen2_5_14b_instruct	用于创建启用 LoRA 的 Qwen2.5 14B 指令微调模型的构建器。
qwen2_5.qwen2_5_32b_base	用于创建 Qwen2.5 基础模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-32B 的默认 320 亿参数值进行初始化。
qwen2_5.qwen2_5_32b_instruct	用于创建 Qwen2.5 指令模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-32B-Instruct 的默认 32B 参数值进行初始化
qwen2_5.lora_qwen2_5_32b_base	用于创建启用 LoRA 的 Qwen2.5 32B 基础模型的构建器。
qwen2_5.lora_qwen2_5_32b_instruct	用于创建启用 LoRA 的 Qwen2.5 32B 指令微调模型的构建器。
qwen2_5.qwen2_5_72b_base	用于创建 Qwen2.5 基础模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-72B 的默认 720 亿参数值进行初始化
qwen2_5.qwen2_5_72b_instruct	用于创建 Qwen2.5 指令模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2.5-72B-Instruct 的默认 720 亿参数值进行初始化
qwen2_5.lora_qwen2_5_72b_base	用于创建启用 LoRA 的 Qwen2.5 72B 基础模型的构建器。
qwen2_5.lora_qwen2_5_72b_instruct	用于创建启用 LoRA 的 Qwen2.5 72B 指令微调模型的构建器。
qwen2_5.qwen2_5_tokenizer	Qwen2.5 的分词器。

qwen-2

Qwen2 系列的 0.5B、1.5B 和 7B 规模模型。

例如，要下载 Qwen2 1.5B 模型：

tune download Qwen/Qwen2-1.5B-Instruct --output-dir /tmp/Qwen2-1.5B-Instruct

qwen2.qwen2	构建与 Qwen2 模型关联的解码器。
qwen2.lora_qwen2	返回一个应用了LoRA的Qwen2版本（Qwen2TransformerDecoder()的一个实例），该版本基于传入的配置。
qwen2.qwen2_0_5b	用于创建 Qwen2 模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2-0.5B-Instruct 的默认 0.5B 参数值进行初始化
qwen2.lora_qwen2_0_5b	用于创建启用 LoRA 的 Qwen2 0.5B 模型的构建器。
qwen2.qwen2_1_5b	用于创建 Qwen2 模型的构建器，使用来自 https://huggingface.co/Qwen/Qwen2-1.5B-Instruct 的默认 15亿参数值进行初始化
qwen2.lora_qwen2_1_5b	用于创建启用 LoRA 的 Qwen2 1.5B 模型的构建器。
qwen2.qwen2_7b	用于创建 Qwen2 模型的构建器，使用默认的 7B 参数值初始化，来自 https://huggingface.co/Qwen/Qwen2-7B-Instruct
qwen2.lora_qwen2_7b	用于创建启用 LoRA 的 Qwen2 7B 模型的构建器。
qwen2.qwen2_tokenizer	Qwen2 的分词器

phi-3

来自 Phi-3 mini 系列 的模型。

要下载 Phi-3 Mini 4k 指令模型：

tune download microsoft/Phi-3-mini-4k-instruct --output-dir /tmp/Phi-3-mini-4k-instruct --hf-token <HF_TOKEN>

phi3.phi3	param vocab_size: 词汇表中的 token 数量。
phi3.lora_phi3	返回一个应用了LoRA的Phi3版本（TransformerDecoder()的一个实例），该版本基于传入的配置。
phi3.phi3_mini	用于创建 Phi3 Mini 4K Instruct 模型的构建器。
phi3.lora_phi3_mini	用于创建启用 LoRA 的 Phi3 Mini（38 亿参数）模型的构建器。
phi3.qlora_phi3_mini	用于创建启用 QLoRA 的 Phi3 mini 模型的构建器。
phi3.phi3_mini_tokenizer	Phi-3 Mini 分词器。

mistral

所有来自 Mistral AI 系列 的模型。

重要提示：您需要在 Hugging Face 上申请访问权限才能下载此模型。

要下载 Mistral 7B v0.1 模型：

tune download mistralai/Mistral-7B-v0.1 --output-dir /tmp/Mistral-7B-v0.1 --ignore-patterns "*.safetensors" --hf-token <HF_TOKEN>

mistral.mistral	构建与 Mistral 模型关联的解码器。
mistral.lora_mistral	返回一个应用了LoRA的Mistral版本（TransformerDecoder()的一个实例），该版本基于传入的配置。
mistral.mistral_classifier	构建一个带有附加分类层的基座 Mistral 模型。
mistral.lora_mistral_classifier	返回一个应用了LoRA的Mistral分类器版本（TransformerDecoder()的实例），LoRA应用于其自注意力模块中的某些线性层。
mistral.mistral_7b	用于创建 Mistral 7B 模型的构建器，使用来自 https://mistral.ai/news/announcing-mistral-7b/ 的默认 7B 参数值进行初始化
mistral.lora_mistral_7b	用于创建启用 LoRA 的 Mistral 7B 模型的构建器。
mistral.qlora_mistral_7b	用于创建启用 QLoRA 的 Mistral 模型的构建器。
mistral.mistral_reward_7b	用于创建 Mistral 7B 模型的构建器，使用默认的 7b 参数值初始化： https://huggingface.co/Ray2333/reward-model-Mistral-7B-instruct-Unified-Feedback，其中输出层是一个分类层，投影到单个类别以进行奖励建模。
mistral.lora_mistral_reward_7b	用于创建启用 LoRA 的 Mistral reward 7B 模型的构建器。
mistral.qlora_mistral_reward_7b	用于创建启用 QLoRA 的 Mistral reward 7B 模型的构建器。
mistral.mistral_tokenizer	Mistral 模型的词元化器。
mistral.MistralChatTemplate	根据Mistral的指令模型格式。

gemma

Gemma系列的20亿参数和70亿参数模型。

重要提示：您需要在 Hugging Face 上申请访问权限才能使用此模型。

要下载 Gemma 2B 模型（非 Gemma2）：

tune download google/gemma-2b --ignore-patterns "gemma-2b.gguf"  --hf-token <HF_TOKEN>

要下载 Gemma 7B 模型：

tune download google/gemma-7b --ignore-patterns "gemma-7b.gguf"  --hf-token <HF_TOKEN>

gemma.gemma	构建与 Gemma 模型关联的解码器。
gemma.lora_gemma	根据传入的配置，返回一个应用了 LoRA 的 Gemma 版本。
gemma.gemma_2b	用于创建Gemma 2B模型的构建器，使用默认的2B参数值初始化： https://blog.google/technology/developers/gemma-open-models/
gemma.lora_gemma_2b	用于创建启用 LoRA 的 Gemma 2B 模型的构建器。
gemma.qlora_gemma_2b	用于创建启用 QLoRA 的 Gemma 模型的构建器。
gemma.gemma_7b	用于创建Gemma 7B模型的构建器，使用默认的7b参数值初始化： https://blog.google/technology/developers/gemma-open-models/
gemma.lora_gemma_7b	用于创建启用 LoRA 的 Gemma 7B 模型的构建器。
gemma.qlora_gemma_7b	用于创建启用 QLoRA 的 Gemma 模型的构建器。
gemma.gemma_tokenizer	Gemma 的分词器。

gemma2 :

Gemma系列的2B、9B和27B模型。

重要提示：您需要在 Hugging Face 上申请访问权限才能使用此模型。

要下载 Gemma2 2B、9B、27B 模型：

tune download google/gemma-2-<MODEL_SIZE>b --ignore-patterns "gemma-2-<MODEL_SIZE>b.gguf"  --hf-token <HF_TOKEN>

gemma2.gemma2	构建与 gemma2 模型关联的解码器。
gemma2.lora_gemma2	根据传入的配置，返回一个应用了 LoRA 的 Gemma 版本。
gemma2.gemma2_2b	用于创建 Gemma2 2B 模型的构建器，使用默认的 2B 参数值初始化： https://github.com/google/gemma_pytorch/blob/main/gemma/config.py
gemma2.lora_gemma2_2b	用于创建启用 LoRA 的 Gemma2 2B 模型的构建器。
gemma2.qlora_gemma2_2b	用于创建启用 QLoRA 的 Gemma2 模型的构建器。
gemma2.gemma2_9b	用于创建 Gemma2 9B 模型的构建器，使用默认的 9b 参数值初始化： https://github.com/google/gemma_pytorch/blob/main/gemma/config.py
gemma2.lora_gemma2_9b	用于创建启用 LoRA 的 Gemma 9B 模型的构建器。
gemma2.qlora_gemma2_9b	用于创建启用 QLoRA 的 Gemma 模型的构建器。
gemma2.gemma2_27b	用于创建 Gemma2 27B 模型的构建器，使用默认的 27b 参数值初始化： https://github.com/google/gemma_pytorch/blob/main/gemma/config.py
gemma2.lora_gemma2_27b	用于创建启用 LoRA 的 Gemma2 27B 模型的构建器。
gemma2.qlora_gemma2_27b	用于创建启用 QLoRA 的 Gemma 模型的构建器。
gemma.gemma_tokenizer	Gemma 的分词器。

剪切

支持使用CLIP编码器的多模态视觉组件。

clip.clip_vision_encoder	构建与 CLIP 模型关联的视觉编码器。
clip.TokenPositionalEmbedding	用于图像的令牌位置嵌入，图像中每个令牌的嵌入各不相同。
clip.TiledTokenPositionalEmbedding	用于平铺图像的令牌位置嵌入，每个图块不同，每个令牌也不同。
clip.TilePositionalEmbedding	瓦片的 positional embedding，每个瓦片不同，同一瓦片内的每个 token 相同。