property@property定义两种获取文本长度的方式，第一种是直接给出文本长度如果有图像则预留128的空间，第二种则是不考虑图像的空间，并以返回数的正负性来标识是否存在图像。这两个方法貌似没有用到。

attn_implementation:注意力机制接口，此参数决定模型使用何种注意力机制，此参数会在后面模型定义处使用local_rank:在分布式训练中使用，表示当前训练实例（进程）的本地排名或编号。在分布式训练时，local_rank用于指定每个进程的任务（比如在多卡训练时，每张GPU会有一个local_rankelse:else:根据是否有视觉塔来定义不同的模型。