Transformer哪家强？Google爸爸辨优良！
极市导读
Google出面提出了Long Range Arena，试图从核心问题场景长文本分析入手，提出评价模型的6个标准、6大任务，逐一比较各个新兴xformer和原始Transformer的表现。本文展示了6个标准和任务的具体内容以及最终的结果，最终显示各xformer都具有其适合的优势，大家应当根据自己的需求去选择合适的模型。 >>加入极市CV技术交流群，走在计算机视觉的最前沿
2017年Attention is all you need横空出世，Transformer横扫机器翻译，隔年诞生的BERT建立在层层堆叠的Transformer之上，凭借这个平平无奇的Attention点乘模型一举刷新了各种沉积许久的榜单，一夜间仿佛不懂Transformer，都不敢说自己是NLPer了，曾经最心爱的RNN也瞬间黯然失色。
Transformer有着简易的的结构、SOTA的能力，搭配CUDA矩阵并行运算，不仅效果上比RNN胜出一筹，在运算效率上也遥遥领先。于是，无数论文纷至沓来，留给RNN的时间已经不多了。
Reformer (https://arxiv.org/abs/2001.04451)：通过Locality Sensitive Hashing类似于桶排序，将相似向量归为一类，计算同类向量之间的点积，复杂度为。 Linformer (https://arxiv.org/abs/2006.04768)：认为注意力机制是低秩，信息集中在前k大的奇异值中，通过线性映射将复杂度降为，当足够小，模型接近线性时间。 Sinkhorn Transformers (https://arxiv.org/abs/2002.11296.pdf)：将输入分块，并基于Sinkhorn对输入键值对进行重新排序，并应用基于块的局部注意力机制来学习稀疏模式。 Performers (https://arxiv.org/abs/2009.14794)：通过正交随机特征算法加速注意力计算，改用Positive Orthogonal Random Features对常规softmax注意力进行鲁棒且无偏的估计。 Synthesizers (https://arxiv.org/abs/2005.00743)：没有保持“token对token”形式的注意力形式，抛弃了原有注意力的动态特点，利用线性变换得到注意力矩阵。 Linear Transformers (https://arxiv.org/abs/2006.16236)：通过使用核函数并且替换掉SoftMax，来简化Attention的计算过程，使复杂度降至。 BigBird (https://proceedings.neurips.cc//paper/2020/hash/c8512d142a2d849725f31a9a7a361ab9-Abstract.html)：在Longformer的滑动窗口和膨胀窗口的基础上增加了Random attention，当前长序列建模的SOTA，刷新了QA和摘要的SOTA，同时也被证明是图灵完备的。
6个标准
通用性：所有Transformer都能使 简易性：无需数据增强、预训练等繁琐的准备步骤 挑战性：任务足够难，人人都90%+就没意思了（能卷起来） 长输入：Long Range Arena，输入自然要长一点，测试场景就是长输入下的表现 多方面：方方面面都需要考察到，如长距离依赖、泛化能力等等 轻计算：“妈妈再也不用担心我没有工业级显卡了”
6个任务
Long ListOps
这个任务看起来神似前缀表达式，考虑max、min、median、sum_mod四种运算外带括号形成的hierarchical structure，考察xformer对长序列层次结构的理解能力。Byte-level Text Classification、Byte-level Document Retrieval这两个任务主要关注对长文本的概括能力，测试xformer能否提取到长文本的足够信息量用于分类和匹配，值得注意的是，Google选取了Byte-level的输入，即字符级别的输入，轻松构造出长达4k的输入。
Image Classification on Sequences of PixelsGoogle还企图将Transformer用于CV的任务中，这个任务将的图片拉成的像素序列，当作文本去做分类任务。因为输入直接抹去了二维信息，这个任务不仅考察了xformer对序列特征的捕捉能力，同时考察了对层次结构的感知力。
PathFinder (Long-Range Spatial Dependency)、PathFinder-X (Long-Range Spatial Dependencies with Extreme Lengthts)
结果！
有的模型在个别任务上表现惊艳，却无法兼顾所有，例如Performers和Linear Transformers，虽然个别任务上相比原始Transformer有所下降，但是速度上提升极大 有的模型在各个任务上平均成绩出色，却一个第一也拿不到，例如BigBird，虽然号称线性复杂度，但是在实际测试环境中速度和原始Transformer差不多，性能却得到了一定的加强。 有的模型利用了复杂的技巧，但是速度却没有优势，性能可能有明显的下降，例如reformer、synthesizer。
推荐阅读
卷积神经网络与Transformer结合，东南大学提出视频帧合成新架构 2020 谷歌最新研究综述：Efficient Transformers: A Survey 丢弃Transformer，FCN也可以实现E2E检测
