快捷導(dǎo)航

pytorch 計算Parameter和FLOP的操作

更新時間：2021年03月04日 14:57:31 作者：落地生根1314

這篇文章主要介紹了pytorch 計算Parameter和FLOP的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

深度學(xué)習(xí)中，模型訓(xùn)練完后，查看模型的參數(shù)量和浮點計算量，在此記錄下：

1 THOP

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

pip install thop

注意安裝thop時可能出現(xiàn)如下錯誤：

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 計算參數(shù)

pytorch本身帶有計算參數(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))

補充：pytorch: 計算網(wǎng)絡(luò)模型的計算量(FLOPs)和參數(shù)量(Params)

計算量：

FLOPs，F(xiàn)LOP時指浮點運算次數(shù)，s是指秒，即每秒浮點運算次數(shù)的意思，考量一個網(wǎng)絡(luò)模型的計算量的標(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)