transformer对于大数据的适配能力比CNN要强很多，原因在于：
1.Dynamic比static好：transformer的参数是随着输入变化的，不像CNN是fixed住的；动态参数提取特征的能力会更强，所以很多CNN也在朝Dynamic的方向发展，比如Dynamic cov,Dynamic relu；
2.attention机制更关注不同feature之间的相对关系，对于绝对的value值并不敏感（对于形变和噪声不敏感），所以相对于CNN具有更好的普适性；而CNN更关注对于局部的描述（类似于传统算法中的特征点提取）；
3.transformer单层就可以融合全部的信息做决策，而CNN是通过多层不断下采样获取更大感受野来融合更广范围的信息；（在此过程中也会损失掉分辨率）；