1樓：
我已經受不了樓上那個吹軟閾值化的回答了，整個知乎感覺有好幾個號，瘋狂的無腦吹這個CNN，你去看他的回答，全是吹這個的，感覺我都快看吐了。
2樓：大江東去
不懂transformer。但是CNN有許多不同的網路結構，效能各有不同，可能不是那麼容易對比出優劣的。
例如，深度殘差收縮網路是一種較新的、特殊的CNN，在其結構中包含了軟閾值化，因而適合處理強噪訊號[1]
深度殘差收縮網路
另外，軟閾值化所需要的閾值，在深度殘差收縮網路中，也是自動設定的，不需要人工選值。
3樓：Jsgfery
Transformer(self-attention)不一定比CNN好。
Transformer的self-attention機制需要在序列中的任意兩個token之間計算相似度。這一方面使得self-attention能夠建模序列中更複雜的依賴關係。另一方面，時間和空間複雜度都是 ，這也使得vanilla的Transformer難以處理很長的序列（ 512" eeimg="1"/>）。
一些後續的改進如LongFormer就是增強Transformer在處理長序列的能力。
CNN主要是用來提取序列中的區域性特徵，如NLP中的n-gram特徵。CNN計算高效，時間複雜度和空間複雜度都是 ，可以處理很長的序列，但是提取特徵的能力有限（乙個卷積核一次只能看到序列中乙個很小的範圍）。為了提公升CNN建模遠端依賴的能力，通常採用的方式是堆疊多個卷積層，這樣高層卷積核看到的序列範圍更廣。
但這種方式很低效，經常要堆疊很多層才能達到RNN和Transformer建模遠端依賴的能力。
Transformer應用最成功的領域機器翻譯，需要對較短的句子（機器翻譯任務中句子的長度通常不超過100）建模token間複雜的依賴關係，適合用Self-attention結構進行處理。而CNN在NLP中應用最成功的領域是文字分類。所需分類的文字（句子或文件）經常很長，但是文字的類別卻可以由其中少數的詞或短語（n-gram）確定，CNN恰好可以處理這種特徵。
如果是你的話，會怎麼處理這段關係
Ashlin 我沒有受虐傾向和受虐體質，因此我每次發現我朋友雙標很嚴重或者有愛 欺負 我的情況下，一般我就直接撕b然後拜拜了您內。別說小孩子氣之類的，因為這種朋友可以說沒什麼情商，不懂得珍惜。倒不如好好的愛自己何必受這種委屈。 魚糕權八郎 你可能沒嘗試過去引導她，這不是你的錯。本人男，有個小學同學，...
做Linux運維需要考一些證書嗎？如果是，需要考什麼樣子的，費用如何？
Linux運維RHCE吧，基本上沒有更適合的了，還要有的話隨手弄個CCNA也可以。運維行業對經驗要求極高，如果木有經驗基本上給多少要多少吧.有經驗的話，要想上W，要看去什麼公司。基本上國內國際一線IT公司都沒問題，另外銀行投資業界也沒問題。其他不了解不敢亂說。 考紅帽的證書其實挺有用，能夠強制學習相...
如果是你，你要怎麼處理《無職轉生》事件
把無職轉生下架，順帶下架一批日漫 日劇，就是裡面涉及點擦邊球的都下架，找人散布流言，說是lex的粉絲把b站舉報了，再讓lex公開支援女權 肖戰，最後b站頂住壓力將這些作品重新上架。 誠然 下架就已經是最好的處理方式了，本來無職就不適合作為大熱門進行推送，刪減也是拯救不了的，小眾的愛好被擺到檯面上來供...