[Python知识库]模型计算量(FLOPs)和参数量(Params)

计算量对应时间复杂度（时间的长短），参数量对应空间复杂度（占用显存大小）

1GFPLOs = 10^9FLOPs

即：10亿次浮点运算

方法一

1、安装模块

pip install thop

2、计算?

import torch
import torchvision
from thop import profile

# Model
print('==> Building model..')
model = torchvision.models.alexnet(pretrained=False)

dummy_input = torch.randn(1, 3, 224, 224)
flops, params = profile(model, (dummy_input,))
print('flops: ', flops, 'params: ', params)
print('flops: %.2f M, params: %.2f M' % (flops / 1000000.0, params / 1000000.0))

其中输入input的第一维度是批量(batch size)，批量的大小不回影响参数量， 计算量是batch_size=1的倍数.

方法二

import torchvision
from ptflops import get_model_complexity_info

model = torchvision.models.alexnet(pretrained=False)
flops, params = get_model_complexity_info(model, (3, 224, 224), as_strings=True, print_per_layer_stat=True)
print('flops: ', flops, 'params: ', params)

关注博主即可阅读全文