复旦大学与华为诺亚方舟实验室合作提出了一种名为SOFT的新颖Transformer模型，它摒弃了softmax自注意力机制，实现了线性复杂度。SOFT通过解决训练问题，保持了精度并优化了复杂度，在ImageNet任务上超越了CNN和传统Transformer的表现。论文和代码已公开。
作者丨happy
编辑丨极市平台
论文链接：https://arxiv.org/pdf/2110.11945.pdf
代码链接：https://github.com/fudan-zvg/SOFT
项目链接：https://fudan-zvg.github.io/SOFT/
本文是复旦大学&华为诺亚关于Transformer中自注意力机制复杂度的深度思考，首次提出了一种新颖的softmax-free 的Transformer 。本文从softmax self-attention局限性出发，分析了其存在的挑战；然后由此提出了线性复杂度的SOFT；再针对线性SOFT存在的训练问题，提出了一种具有理论保证的近似方案。所提SOFT在ImageNet分类任务上取得了比已有CNN、Transformer更佳的精度-复杂度均衡。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
