training
- transformer 的显存占用和输入的token个数成平方关系的，所以如果输入的序列很短，训练起来压力不大（如文本任务：输入文本小于50，VIT的话，采用patch 32 的）
- transformer 也有多种model size 可供选择，如：small , tiny ，训练压力更小
inference
- 如果序列很短，如：10以内，CPU的推理速度降到10ms 以内都不是问题（单进程），GPU的问题是：transformer 相对resnet 这种，显存占用高一点，并发会低一点
- 转成onnx 或者trt 量化，对在线推理也有非常大的提升。如：float16, 可以节省一半的显存