Transformer和CNN的区别：

1、Transformer还是机器学习，但是没有卷积、pooling等操作，也没有循环；
2、很好的利用了每一行数据之间的相关性，机制的解释性是比较强的，更适用于NLP；
3、CNN关注于二维局部数据之间的相互关联，随着层的加深，关注区域会更广，更适用于图像处理。
4.Transformer中引入了基于伪协方差的Self-attention。

面试问题准备-1

1.数电一些门电路

2.竞争冒险现象

可以输出端添加滤波电容来防止这种情况。
3.阻抗匹配的概念
4.导数的概念
5.极限的概念
6.为什么选择信噪比下的匹配滤波器？
7.解释下拉普拉斯变换？
8.拉普拉斯变换与傅里叶变换有何区别？