怎么用pytorch 计算Parameter和FLOP

这篇文章主要介绍“怎么用PyTorch 计算Parameter和FLOP”，在日常操作中，相信很多人在怎么用pytorch 计算Parameter和FLOP问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用pytorch 计算Parameter和FLOP”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

1 THOP

在pytorch中有现成的包thop用于计算参数数量和FLOP，首先安装thop：

pip install thop

注意安装thop时可能出现如下错误：

解决方法：

pip install --upgrade git+https://GitHub.com/Lyken17/pytorch-OpCounter.git # 下载源码安装

使用方法如下：

from torchvision.models import resnet50 # 引入ResNet50模型from thop import profilemodel = resnet50()flops, params = profile(model, input_size=(1, 3, 224,224)) # profile（模型，输入数据）

对于自己构建的函数也一样，例如shuffleNetV2

  from thop import profile  from utils.ShuffleNetV2 import shufflenetv2 # 导入shufflenet2 模块  import torch     model_shuffle = shufflenetv2(width_mult=0.5)  model = torch.nn.DataParallel(model_shuffle)  # 调用shufflenet2 模型，该模型为自己定义的  flop, para = profile(model, input_size=(1, 3, 224, 224),)   print("%.2fM" % (flop/1e6), "%.2fM" % (para/1e6))

更多细节，可参考thop GitHub链接： Https://github.com/Lyken17/pytorch-OpCounter

2 计算参数

pytorch本身带有计算参数的方法

  from thop import profile  from utils.ShuffleNetV2 import shufflenetv2 # 导入shufflenet2 模块  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))

补充：pytorch: 计算网络模型的计算量(FLOPs)和参数量(Params)

计算量：

FLOPs，FLOP时指浮点运算次数，s是指秒，即每秒浮点运算次数的意思，考量一个网络模型的计算量的标准。

参数量：

Params，是指网络模型中需要训练的参数总数。

第一步：安装模块（thop）

pip install thop

第二步：计算

import torchfrom thop import profilenet = Model() # 定义好的网络模型input = torch.randn(1, 3, 112, 112)flops, params = profile(net, (inputs,))print('flops: ', flops, 'params: ', params)

注意：

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

profile(net, (inputs,))的 (inputs,)中必须加上逗号，否者会报错

到此，关于“怎么用pytorch 计算Parameter和FLOP”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！