旋转位置嵌入

class torchtune.modules.RotaryPositionalEmbeddings(dim: int, max_seq_len: int = 4096, base: int = 10000)

此类实现了旋转位置嵌入 (RoPE)，该嵌入在 https://arxiv.org/abs/2104.09864 中提出。

参考实现（用于正确性验证）可以在这里找到：https://github.com/meta-llama/llama/blob/main/llama/model.py#L80

在此实现中，我们通过在初始化期间计算，缓存了每个位置的嵌入，直到 max_seq_len。

参数：:

• dim (int) – 嵌入维度。这通常设置为注意力模块中每个头的维度，计算为 embed_dim // num_heads

• max_seq_len (int) – 模型的预期最大序列长度，如果超过，则重新计算缓存的频率

• base (int) – 用于计算旋转角度的几何级数的底数

forward(x: Tensor, *, input_pos: Optional[Tensor] = None) → Tensor

参数：:

• x (torch.Tensor) – 形状为 [b, s, n_h, h_d] 的输入张量

• input_pos (Optional[torch.Tensor]) – 包含每个标记位置 ID 的可选张量。在训练期间，这用于指示每个标记在其样本打包时的相对位置，形状 [b, s]。在推理期间，这指示当前标记的位置。如果没有，则假设标记的索引是其位置 ID。默认值为 None。

返回：:

形状为 [b, s, n_h, h_d] 的输出张量

返回类型：:

torch.Tensor

用于张量形状的符号

• b: 批量大小

• s: 序列长度

• n_h: 头数

• h_d: 头维度