1 THOP

在pytorch中有現(xiàn)成的包thop用于計(jì)算參數(shù)數(shù)量和FLOP，首先安裝thop：

pip install thop

注意安裝thop時(shí)可能出現(xiàn)如下錯(cuò)誤：

解決方法：

pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.git # 下載源碼安裝

使用方法如下：

from torchvision.models import resnet50 # 引入ResNet50模型
from thop import profile
model = resnet50()
flops, params = profile(model, input_size=(1, 3, 224,224)) # profile（模型，輸入數(shù)據(jù)）

對(duì)于自己構(gòu)建的函數(shù)也一樣，例如shuffleNetV2

  from thop import profile
  from utils.ShuffleNetV2 import shufflenetv2 # 導(dǎo)入shufflenet2 模塊
  import torch 
  
  model_shuffle = shufflenetv2(width_mult=0.5)
  model = torch.nn.DataParallel(model_shuffle)  # 調(diào)用shufflenet2 模型，該模型為自己定義的
  flop, para = profile(model, input_size=(1, 3, 224, 224),) 
  print("%.2fM" % (flop/1e6), "%.2fM" % (para/1e6))

更多細(xì)節(jié)，可參考thop GitHub鏈接： https://github.com/Lyken17/pytorch-OpCounter

2 計(jì)算參數(shù)

pytorch本身帶有計(jì)算參數(shù)的方法

  from thop import profile
  from utils.ShuffleNetV2 import shufflenetv2 # 導(dǎo)入shufflenet2 模塊
  import torch 
  
  model_shuffle = shufflenetv2(width_mult=0.5)
  model = torch.nn.DataParallel(model_shuffle)
  total = sum([param.nelement() for param in model.parameters()])
  print("Number of parameter: %.2fM" % (total / 1e6))

補(bǔ)充：pytorch: 計(jì)算網(wǎng)絡(luò)模型的計(jì)算量(FLOPs)和參數(shù)量(Params)

計(jì)算量：

FLOPs，F(xiàn)LOP時(shí)指浮點(diǎn)運(yùn)算次數(shù)，s是指秒，即每秒浮點(diǎn)運(yùn)算次數(shù)的意思，考量一個(gè)網(wǎng)絡(luò)模型的計(jì)算量的標(biāo)準(zhǔn)。

參數(shù)量：

Params，是指網(wǎng)絡(luò)模型中需要訓(xùn)練的參數(shù)總數(shù)。

第一步：安裝模塊（thop）

pip install thop

第二步：計(jì)算

import torch
from thop import profile
net = Model() # 定義好的網(wǎng)絡(luò)模型
input = torch.randn(1, 3, 112, 112)
flops, params = profile(net, (inputs,))
print('flops: ', flops, 'params: ', params)

注意：

輸入input的第一維度是批量(batch size)，批量的大小不回影響參數(shù)量，計(jì)算量是batch_size=1的倍數(shù)

profile(net, (inputs,))的 (inputs,)中必須加上逗號(hào)，否者會(huì)報(bào)錯(cuò)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。

您可能感興趣的文章:

PyTorch里面的torch.nn.Parameter()詳解
Pytorch之parameters的使用
Pytorch模型中的parameter與buffer用法

標(biāo)簽：安康崇左長(zhǎng)沙山西海南喀什濟(jì)南山西

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《pytorch 計(jì)算Parameter和FLOP的操作》，本文關(guān)鍵詞；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。