如何用Pytorch计算模型参数量Params和计算量Flops查看框架结构等 |
您所在的位置：网站首页 › mje15032参数 › 如何用Pytorch计算模型参数量Params和计算量Flops查看框架结构等 |
如何用Pytorch计算模型参数量Params和计算量Flops查看框架结构等
|
公式
公式来源：卷积神经网络模型参数量和运算量计算方法 - 简书 (jianshu.com) 计算模型参数量 1.parameters法通过遍历模型的parameters获取结构以及参数： model = 你自己的模型，eg:CNN() ResNet() SegNet().... params = list(model.parameters()) k = 0 for i in params: l = 1 print("该层的结构：" + str(list(i.size()))) for j in i.size(): l *= j print("该层参数和：" + str(l)) k = k + l print("总参数数量和：" + str(k))效果如下：
2.thop方法 thop是一个库，可以通过pip install thop进行安装，安装后通过里面的profile可以获取参数量params以及计算量flops from thop import profile model = 自己的模型实例化 flops, params = profile(model, inputs=传入模型的输入shape，这个必须要填)以resnet18进行测试： import torch from torchvision.models import resnet18 from thop import profile model = resnet18() input = torch.randn(1, 3, 128, 128) flops, params = profile(model, inputs=(input, )) print('flops:{}'.format(flops)) print('params:{}'.format(params))
还是一样，没有的先pip install torchstat即可，还是以restnet18为例： from torchstat import stat from torchvision.models import resnet18 model = resnet18() stat(model, (3, 224, 224))
还是一样，用pip install torchsummay进行安装，通过下方例子进行调用。 from torchsummary import summary summary(model.to(device), input_size=(1, 64, 64), batch_size=-1)
|
【本文地址】