深度学习模型复杂度分析
Transformer
self-attention和position-wise FFN作为Transformer比较特殊的模块，这里只分析一下它们的复杂度，注意：这里的复杂度既包含时间，也包含空间。
先看self-attention，复杂度为，举个例子，比如说一个句子：，它经过词嵌入后所对应的矩阵的shape应该为，是序列的长度，而每一个单词对应行的行数，即嵌入的维度，见下图：
假设序列长度为，当和相乘时复杂度为。人为计算时一开始会拿中左上角标黄色的块乘左上角标黄色的块，在计算过程中，中标黄色的块会乘遍的第一行，复杂度为，而一行有个黄色的块，则变为，而中有行，所以总复杂度为，同理可得与矩阵相乘时复杂度为，Transformer在论文中提到做自注意力时设置，因而对于一个句子来说，自注意力的复杂度即为。批处理过程中，假设每个batch里都有个句子，但由于是常数，往往不起决定作用，所以总复杂度还是。
参数矩阵一共有四个：，当所有注意力头出来的值拼接成一个大的矩阵，再与相乘便得到最后的注意力值了，的shape为，在注意力中即为，是注意力头的的数量。于是对一个注意力头做自注意时参数的数量为，算上注意力头的话，总参数应为。
在谷歌原始的论文中，的超参设定默认，同理，两次的线性变换都是，时需要与每一个值进行比较，因而也是，故整个复杂度为，所以总复杂度即为。的shape分别为，因此总参数数量为。
进入全连接层之前序列会被拉直，因此，送进全连接层的序列shape为，的shape为，按照上面的推导，全连接层的复杂度应为。
若对于这个模型不了解的读者，建议先阅读本号的另一篇关于textCNN的文章。
继续上面的设置，输入序列长度为，每个词被嵌入的维度为，假设卷积核的宽度为，每种大小的核一共有个。
见下图，我们以的蓝色卷积核为例，看这个卷积核的左上角元素，在卷积过程中会与个元素相乘，这样的元素在卷积核里一共个，所以对一个卷积核的复杂度应为，即为，并且每一种卷积核一共个，因而总复杂度为。
RNN的范式如下所示，假设。一开始初始化的时候的shape为（这里以一个句子以及单向RNN为例），的shape为，复杂度为，加上之后的shape即为。的shape为同理，后面的shape为，的shape为（RNN按步长输入，并非全部直接输入），后面相乘的复杂度为，因此的运算复杂度为。与相乘的复杂度亦为。每个时间步长上都会进行一次，因而总复杂度为。这里可能有些疑惑，以往的复杂度相加不会算上系数，比如说两次复杂度为，还是，这里不同的是相加为，这是个变量。