Transformer热门魔改方案汇总！大大提升模型速度与效果！

随着序列长度的增加，Transformer中注意力机制的计算量会持续上升，导致计算代价较高。

不过为了解决这个问题，业内也出现了许多针对Transformer的魔改，这里给大家整理了Transformer魔改的方案论文，大家可以学习一下。

1、Longformer: The Long-Document Transformer

Longformer：长文档转换器

简述：本文中提出了Longformer，一种具有线性扩展注意力机制的模型，能够高效处理超长序列，它将局部窗口注意力与全局注意力相结合，可作为标准自注意力的替代。在字符级语言建模上，Longformer达到了最佳性能，并通过预训练和微调在多个长文档任务中超过了RoBERTa，刷新了WikiHop和TriviaQA的记录。此外研究人员还开发了Longformer的变体LED，适用于长文档的生成任务。

2、Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context

Transformer-XL：超越固定长度上下文的专注语言模型

简述：本文中提出了一种新的神经架构Transformer-XL，能够学习超过固定长度的依赖并解决上下文碎片问题。它通过新颖的段级递归和位置编码机制，显著提升了对长期依赖的捕捉能力，性能超越了传统的RNN和Transformer模型，并且还能生成长篇且连贯的文本内容。

3、Efficient Long-Range Transformers: You Need to Attend More, but Not Necessarily at Every Layer

高效的远程变压器：需要更多关注，但不一定在每一层

简述：本文中提出了MASFormer，一种混合注意力跨度的Transformer变体，它通过在部分层上集中捕获远程依赖关系，而在其他层上采用稀疏注意力处理近程依赖，这种设计在自然语言处理任务上以更低的计算成本（减少高达75%）实现了与传统Transformer相媲美的性能。

4、REFORMER: THE EFFICIENT TRANSFORMER

Reformer: 高效的变压器

简述：本文中引入了两项技术来提高Transformer的效率，使用局部敏感哈希替换点积注意力，将复杂性从O(L²)更改为O(LlogL)，其中L是序列的长度，还使用可逆残差层，减少激活存储次数。结果得到的模型Reformer，在处理长序列时性能优异，且内存效率更高、速度更快。

5、Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

Swin Transformer：使用移位窗口的分层视觉转换器

简述：本文中提出了Swin Transformer，一种基于分层和移位窗口机制的Transformer模型，通过在不重叠的本地窗口内计算自注意力，并允许跨窗口连接，实现了高效率和灵活性。这种结构对图像大小的计算复杂度是线性的，可广泛适用于图像分类、对象检测和语义分割等视觉任务，且性能显著超过现有最先进技术。

6、RETHINKING ATTENTION WITH PERFORMERS 

重新思考Performers的注意力

简述：本文中提出了Performers，一种线性 Transformer 架构，能够高效估计常规 softmax 全秩注意力，同时仅需线性空间和时间复杂度。为了近似 softmax 核，Performers 采用 FAVOR+ 方法，该方法对可扩展核方法具有价值。此架构与常规 Transformer 兼容，具有强大的理论保障，并且在多种任务上表现出色，证明了其新型注意力机制的有效性。

7、TokenLearner: What Can 8 Learned Tokens Do for Images and Videos？

TokenLearner：8个学习令牌能为图像和视频做些什么？

简述：本文提出一种新的视觉表示学习方法TokenLearner，它依赖于自适应学习的少量标记，适用于图像和视频理解任务。这种方法能够自主学习并挖掘关键的视觉标记，有效识别重要视觉信息，并处理标记之间的注意力关系。在图像和视频识别的多个基准测试中，该方法显示出了强大的性能，并且在大幅降低计算成本的同时，仍保持了与最新技术相比的竞争力。

8、Linformer: Self-Attention with Linear Complexity

Linformer：具有线性复杂性的自注意力

简述：该文论证了Transformer的自注意力机制可以用低秩矩阵近似，并提出了一种新的自注意力机制Linformer，该机制在时间和空间上将整体自注意力复杂度从$O（n^2）$降低到$O（n）$，在性能上可与传统Transformer媲美，同时更节省内存和时间。

9、Conformer: Convolution-augmented Transformer for Speech Recognition

Conformer：用于语音识别的卷积增强型Transformer

简述：本文中提出了Conformer，一个用于语音识别的卷积增强Transformer，它在性能上显著超越了之前的Transformer和CNN模型，达到了最高精度。在LibriSpeech测试中，Conformer模型无语言模型时WER为2.1%/4.3%，有语言模型时为1.9%/3.9%，而10M参数的小模型也达到了2.7%/6.3%的竞争性WER。

10、LITE TRANSFORMER WITH LONG-SHORT RANGE ATTENTION

轻量级Transformer与长短时注意力机制

简述：本文中提出了Lite Transformer，一种为移动设备设计的高效NLP架构，通过长短距离注意力机制有效处理不同范围的信息，显著提高了机器翻译、摘要生成和语言建模的性能。在资源有限的情况下，它的性能超越了传统Transformer，计算量减少了2.5倍，模型大小经过压缩后减少了18.2倍，同时语言建模困惑度更低，且无需耗费大量GPU资源进行架构搜索。

码字不易，欢迎大家点赞评论收藏！

关注下方《享享学AI》

回复【GNN】获取完整论文