最近在做多模态，发现基于 transformer 的多模态，position embedding 是一个非常重要的内容，而且还没有统一方案，先暂做记录，几篇还不错的博客：
Transformer学习笔记一：Positional Encoding（位置编码）
十分钟读懂旋转编码（RoPE）
图解RoPE旋转位置编码及其特性
一文读懂Transformer模型的位置编码
旋转式位置编码 (RoPE) 知识总结

怎么设计位置编码

因此，我们需要这样一种位置表示方式，满足于：
（1）它能用来表示一个token在序列中的绝对位置
（2）在序列长度不同的情况下，不同序列中token的相对位置/距离也要保持一致
（3）可以用来表示模型在训练过程中从来没有看到过的句子长度。

补充：


固定 i ，单从每个 PE(p, i) 看，沿着 i 轴，t 变化，是不断循环的三角函数，像这样：


最终，

下图是一串序列长度为50，位置编码维度为128的位置编码可视化结果：
注意，纵向轴是位置 t，横向轴是 i，那么，可以发现，由于sin/cos函数的性质，位置向量的每一个值都位于[-1, 1]之间。同时，纵向来看，图的右半边几乎都是蓝色的，这是因为越往后的位置，频率越小，波长越长，所以不同的t对最终的结果影响不大。而越往左边走，颜色交替的频率越频繁。