CNN/RNN/Transformer比较

内容摘自https://zhuanlan.zhihu.com/p/54743941

1.NLP四大任务

2.RNN

2.1 RNN为什么在NLP流行并占据主导地位呢？

1、适合解决线性序列问题；2、可以接纳不定长输入；3、LSTM三门的引入，捕获长距离依赖能力加强。

2.2 RNN面临的问题

RNN本身的序列依赖结构对于大规模并行计算来说相当之不友好。
为什么并行差？因为s(t)的计算依赖于s(t-1)，且不同step的隐层之间全连接。就是说T时刻某个隐层神经元与T-1时刻所有隐层神经元都有连接。

2.3 RNN如何改造

方案1：各隐层神经元之间并行计算
首先，T时刻和T-1时刻是不可能并行计算的，但是可以把T时刻与T-1时刻的神经元全连接改成单连接，使得各隐层之间并行计算。

缺点在于：并行程度上限低。
方案2：间歇打断各step之间的连接

每隔2个时间步打断一次，通过层深来建立远距离特征之间的联系。类似于CNN。
缺点在于：本质上是CNN，速度又比CNN慢。

3.CNN

3.1 CNN的问题

早期的CNN问题在于：单层卷积无法捕获远距离特征，受感受野限制。
通过把CNN做深和跳跃覆盖来解决这一问题。
Pooling层会抛弃位置信息，造成信息损失。

3.1 CNN跳跃覆盖

Dilated CNN，需要精心调节参数搭配，保证所有可能组合都被覆盖到。

3.2 做深CNN

3.3 抛弃Pooling层，辅助Skip Connection，引入GLU，在输入层加position embedding

4.Transformer

1.不是只有self-attention在起作用

能让Transformer效果好的，不仅仅是Self attention，这个Block里所有元素，包括Multi-head self attention，Skip connection，LayerNorm，FF一起在发挥作用。

5.RNN，CNN，Transformer的特征抽取能力比较

5.1 比较维度

1、句法特征提取能力
2、语义特征提取能力；
3、长距离特征捕获能力；
4、任务综合特征抽取能力；
5、并行计算能力及运行效率

5.2 句法特征抽取能力

CNN强于RNN

5.3 语义特征提取能力

比较三者在‘考察语义类能力的任务’上的表现，比如翻译。Transformer >> RNN == CNN

5.4 长距离特征捕获能力

比较三者在“主语-谓语一致性检测”任务上的能力。Transformer == RNN >> CNN
对于Transformer来说，Multi-head attention的head数量严重影响NLP任务中Long-range特征捕获能力：结论是head越多越有利于捕获long-range特征。

5.5 任务综合特征抽取能力

在众多NLP任务上的表现，选择机器翻译，因为它是考验NLP各项处理能力综合要求最高的任务。
Transformer >> RNN == CNN

5.6 并行计算能力及运行效率

transformer实际的计算复杂度是self-attention+全连接。self-attention是n平方d，全连接是d平方n。RNN是d平方n，CNN是kd平方*n，k是kernel size。
从复杂度上来说，单个Transformer Block计算量大于单层RNN和CNN。
但是结合可并行，实际运行效率：Transformer Base最快，CNN次之，再次Transformer Big，最慢的是RNN。RNN比前两者慢了3倍到几十倍之间。

6.RNN和CNN向Transformer靠拢

6.1 寄居蟹策略

即用双向RNN或CNN替掉self attention，把RNN或者CNN塞到Transformer Block。

6.2 效果

1、逐步加入Transformer的各个构件，效果不断稳定提升；
2、但与Transformer相比，性能仍然有差距。