我们用transformer干啥？

前言

2021年4月，距离论文“Attention is all you need”问市过去快4年了。这篇论文的引用量正在冲击2万大关。

笔者所在的多个学习交流群也经常有不少同学在讨论：transformer是什么？transformer能干啥？为什么要用transformer？transformer能替代cnn吗？怎么让transformer运行快一点？以及各种个样的transformer技术细节问题。

解读以上所有问题不再本文范畴内，但笔者也将在后续文章中继续探索以上问题。本文重点关注：我们用transformer干啥？

我们用transformer干啥？笔者突然发现这句话有两种理解（orz中文博大精深），希望我的语文不是体育老师教的。

1. 疑问句： 我们使用transformer在做什么？ 解决什么深度学习任务？
2. 反问句： 我们用用transformer干啥？ 为啥不用LSTM和CNN或者其他神经网络呢？

疑问句：用transformer干啥？

谷歌学术看一眼。

为了简洁+有理有据回答这个问题（有缺失之处忘大家指出），笔者首先在谷歌学术上搜寻了一下“Attention is all you need”看了一下被引，到底是哪些文章在引用transformer呢？

“Attention is all you need”被引：19616次。

先看一下前几名引用的被引：

• 最高引用的“Bert：Pre-training of deep bidirectional transformers for language understanding"被引：17677次。BERT在做自然语言处理领域的语言模型。
• 第2和4名：“Squeeze and Excitaion Networks”被引用6436次，“Non-local neural networks”。计算机视觉领域，但还没有直接用transformer。
• 第3名：“Graph attention networks”被引用3413，一种图神经网络，该文也不是直接使用transformer的，但使用了attention。
• 第5和6名：“Xlnet：Generalized autoregressive pretraining for language undersstanding“ 2318次和 ”Improving language understanding by generative pretraining“ 1876次。自然语言处理领域预训练/语言模型/生成模型。
• 第7名“self-attention generative adversarial networks” 1508次。基于self-attetnion的生成对抗网络。
• 第8、9、10都属于自然语言处理领域，一个是GLUE数据集，一个做multi-task learning。

从Top的引用已经看出自然语言处理领域肯定是使用transformer的大头了。随后笔者对熟悉的深度学习任务关键词搜了一下被引用：

• 计算机视觉领域vision前2的被引用：“Vibert”和“Stand-alone self-attetnion in vision model”分别为385和171次。
• 语音信号处理领域speech：“state-of-the-art speech recognition with sequence-to-sequence model” 被引710次。
• 多模态任务modal：“Unicoder-Vl：
• A universal encoder for vision and language by cross-model pre-training。
• 检索领域etrieval：“multilingual universal sentence encoder for semantic retrieval”被引73次
• 推荐领域recommendation：惊讶的我发现居然只有10篇文章orz。

初步结论：transformer在自然语言处理任务中大火，随后是语音信号领域和计算机视觉领域，然后信息检索领域也有所启航，推荐领域文章不多似乎刚刚起步。

执着的笔者扩大搜索范围直接谷歌搜索了一下，找到了这篇文章BERT4Rec（被引用128）："BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer"。

Github上搜一搜。

排名第1的是HuggingFace/transformers代码库。笔者对这个库还算熟悉，但最近疯狂新增的模型缺失还没有完全跟进过，于是也整理看了一下。

图1 HuggingFace/transformers代码库关系图

如图1所示，左边展示了Huggingface/transformers代码库能处理的各种深度学习任务，中间展示的是处理这些任务的统一流水线（pipeline），右边展示的是与任务对应的transformers模型名称，下方表示用transformers解决这些深度学习任务可以在cpu或者gpu上进行，可以使用tensorflow也可以使用pytorch框架。

那么根据谷歌和github结果基本可以得到这个核心结论啦：transformer能干啥？目前已有的transformer开源代码和模型里自然语言处理任务占大头（几乎覆盖了所有自然语言处理任务），随后是计算机视觉和语音信号处理，最后自然而然进行多模态信号处理啦，推荐系统中的序列建模也逐步开始应用transformer啦。

有一点值得注意：自然语言处理里，所有研究同学的词表库基本统一，所有谷歌/facebook在大规模语料上预训练的transformer模型大家都可以使用。推荐系统不像自然语言处理，各家对user ID，Item ID或者物品类别ID的定义是不一样的，所以各家的pretrain的模型基本也没法分享给其他家使用（哈哈哈商业估计也不让分享），也或许也是为什么transformer的开源推荐系统较少的原因之一吧，但不代表各大厂/研究机构用的少哦。

反问句：用transformer干啥？

为什么非要使用transformer呢？

笔者从一个散修（哈哈修仙界对修炼者的一种称呼）的角度聊一聊自己的看法。

• 不得不用。 首先谷歌/Facebook一众大厂做出来了基于transformer的BERT/roberta/T5等，刷新了各种任务的SOTA，还开源了模型和代码。 注意各种任务啊，啊这，咱们做论文一般都得在几个数据集上验证自己的方法是否有效，人家都SOTA了，咱得引，得复现呀，再说，站在巨人的肩上创下新SOTA也是香的。
• 的确好用。 Transformer是基于self-attetion的，self-attention的确有着cnn和lstm都没有的优势： 比如比cnn看得更宽更远，比lstm训练更快。 重复累加多层multi-head self-attetion还在被不短证明着其强大的表达能力！
• 改了继续用。 如果不说transformer的各种优点，说一个大缺点自然就是： 参数量大、耗时耗机器。 但这些问题又被一众efficient transformers再不断被解决。 比如本来整型数运算的硬件开发板无法使用transformers，随后就有INT-BERT说我们不仅可以用，还能更快更好。
• 上手就用。 以Huggingface/Transformers为例子，一个代码库包含多种深度学习任务，多个开源的transfromer模型，各种预训练transformer模型，以至于各种深度学习任务上手就来，十分方便。 笔者似乎并没有看到其他模型结构有如此大的应用范围和规模了。
• 未来还要用。 从上一章节可以看出，transformer这股风已经从自然语言处理领域吹出去了，其他领域的SOTA也在不断被transformer打破，那么以为这，自然语言处理领域的历史逐渐在其他领域复现（当然只是笔者个人观点哈）。

后记

以上就是今天想聊的话题，希望大家喜欢。Transformers交流群中也不断有新的问题和细节的探讨产生。比如：

觉得不错点赞、在看、转发吧。谢谢！！