[paddledet][深度学习][原创]paddledet打印出FLops正确方法

已于 2022-12-17 20:04:12 修改
阅读量1k 收藏 5
点赞数 2
分类专栏： 深度学习 文章标签： 深度学习 人工智能
于 2022-12-17 20:02:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/FL1623863129/article/details/128356649
版权

第一步：去PaddleDetection\configs\runtime.yaml将print_flops设置true

在paddle环境安装paddleslim，我是paddlepaddle-gpu==2.3.2但是我安装paddleslim==2.4.0会报错

ImportError: cannot import name '_legacy_C_ops' from 'paddle'

 然后我换成2.3.4版本就好了pip install paddleslim==2.3.4

最后python tools/infer.py执行命令就可以看到flops了，最后说明一下我的环境

paddledet==2.5.0

paddlepaddle-gpu==2.3.2

paddleslim==2.3.4

FL1623863129
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
深度学习CNN RepVGG方法理解.pptx
12-19
RepVGG是一种深度学习中的卷积神经网络（CNN）架构，旨在恢复VGG-style模型的简洁性和高效性，同时保持高精度。VGG-style模型以其深且狭窄的卷积层结构著称，但这种结构通常伴随着计算复杂度和推理速度的问题。...
深度学习常见问题及消融实验技巧
11-18
深度学习常见问题及消融实验技巧 深入学习中，实验技巧是非常重要的一环，对于想要获得理想的实验结果，需要掌握一些基本的实验技巧。在本文中，我们将讨论深度学习中的一些常见问题，并提供一些消融实验技巧。 一...
【深度学习笔记】打印模型的FLOPS，使用python的thop库
最新发布
lanmeiguojj的博客
03-31 561
它是一个用于计算PyTorch模型的FLOPs和参数数量的库。2 导入需要计算 FLOPs 的模型和。
pytorch打印网络结构图，打印部分特征图变化形状，Total params，Input size (MB)，Params size (MB)，打印flops, params
weixin_50563385的博客
12-01 956
【代码】打印网络结构图，打印部分特征图变化形状，Total params，Trainable params，Input size (MB)，Params size (MB)，打印flops, params。
Paddle：统计模型Flops
微风❤水墨
01-06 987
(paddle.nn.Layer|paddle.static.Program) - 网络实例，必须是 paddle.nn.Layer 的子类或者静态图下的 paddle.static.Program。(dict，可选) - 字典，用于实现对自定义网络层的统计。字典的 key 为自定义网络层的 class，value 为统计网络层 flops 的函数，函数实现方法见示例代码。(bool，可选) - bool 值，用于控制是否打印每个网络层的细节。为 paddle.nn.Layer 时生效。
五、PaddleDet、labelme
qq_36226586的博客
02-01 239
paddledet、labelme
PaddleDetection简单教程
qq_56591814的博客
07-27 9234
简单介绍了paddledetection的用法，并在paddle学习赛——钢铁缺陷检测上试验了ppyoloe+模型
深度学习中的目标检测YOLOX代码以及权重
03-23
2、YOLOX-Tiny和YOLOX-Nano(只有0.91M参数量和1.08G FLOPs)比对应的YOLOv4-Tiny和NanoDet3分别高出10% AP和1.8% AP 3、在Streaming Perception Challenge (Workshop on Autonomous Driving at CVPR 2021) 只使用...
深度学习中知识蒸馏研究综述.pptx
10-24
知识蒸馏是一种新型的深度学习模型压缩方法，通过将大模型的知识迁移到小模型上，使得小模型能够获得与大模型相似的性能表现。知识蒸馏的研究现状可以分为三个方面：知识蒸馏的应用实践、知识蒸馏的方法和知识蒸馏的...
基于联合动态剪枝的深度神经网络压缩算法.pdf
09-25
总结来说，基于联合动态剪枝的深度神经网络压缩算法是一种创新的优化策略，它结合了动态调整和特征分析，能够在保证模型性能的同时大幅度压缩模型的规模，对于深度学习模型的实用性和效率提升具有重大意义。随着深度...
PaddleDetection学习（一）
weixin_40620310的博客
12-07 3495
PaddleDetection学习（一） 安装 GitHub地址：https://github.com/PaddlePaddle/PaddleDetection 1、安装PaddlePaddle框架 # CUDA 10.1 python -m pip install paddlepaddle-gpu==2.2.0.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html # CPU python -m pip inst
PaddleDetection目标检测套件
12-10 1147
软硬件环境ubuntu 18.04 64bitnvidia 1070Tianaconda with python 3.7cuda 10.1cudnn 7.6paddlepaddle 1....
PaddleOCR二次全流程——4. 使用PPOCRLabel标注数据
Castlehe的博客
04-15 1万+
在PaddleOCR的FAQ集合中没有看到一个与PPOCRLabel相关的问题，同时这个工具发布时间也很新，2020年12月左右发布的，尝试一下新事物，但是不要抱太大的希望。 1. 安装 官方说明文档网站：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.0/PPOCRLabel/README_ch.md 不对安装详细过程作说明，只说遇到的两个坑 1.1 报错：ImportError: cannot import name 'inferenc
神经网络的计算量(FLOPs)、参数量(Params)、推理时间（FPS）的定义及实现方法
qq_43307074的博客
11-04 3万+
神经网络的计算量(FLOPs)和参数量(Params)的定义及实现方法
Python异常处理：ImportError: cannot import name 'XXX' from 'XXXX'
热门推荐
qq_40916793的博客
08-10 11万+
在python IDE Pycharm中出现导入模块异常 异常显示为：ImportError: cannot import name ‘Style’ from ‘openpyxl.styles’ 异常分析：主要是 .py 文件路径的问题，当在同一文件下，存在子文件内有同样命名的 .py文件时，编辑器就不能正确选择所要导入的是哪一个文件下的模块，因此出现异常 异常处理：正确规范文件以及类、方法、...
Python报错：ImportError: cannot import name ‘xxx‘ from ‘xxx‘
weixin_61908666的博客
10-21 4万+
Python报错：ImportError: cannot import name ‘xxx‘ from ‘xxx‘
Python ImportError: cannot import name XXX from XXX 问题的一个起因和解决方案
lockt6531590的博客
08-16 2万+
Python ImportError: cannot import name XXX from XXX 问题的一个起因和解决方案
ImportError: cannot import name ‘XXXXX‘ from ‘XX‘解决方案
qq_49641239的博客
11-02 5万+
一、报错： File "./xxx/demo/demo.py", line 23, in <module> from predictor import FeatureExtractionDemo ImportError: cannot import name 'FeatureExtractionDemo' from 'predictor' 二、原因分析： 1、自己的python文件与导入的包重名了，导致引入路径错乱。【主要是 .py 文件路径的问题，当在同一文件下，存在子文件内有同样
引入深度卷积降低FLOPs的原因
06-12
在深度学习中，卷积神经网络（CNN）是一种非常重要的网络结构，它可以有效地提取图像、语音等数据中的特征。然而，随着深度学习模型越来越复杂，其计算复杂度也越来越高，需要大量的计算资源和时间。 为了降低这种计算复杂度，研究人员引入了深度卷积降低FLOPs的方法。FLOPs是指浮点运算次数，是衡量深度学习模型计算复杂度的一种指标。 深度卷积降低FLOPs的方法主要有以下两种： 1. 稀疏卷积：稀疏卷积是指只对输入张量中非零元素进行卷积运算，可以大大减少计算量。 2. 深度可分离卷积：深度可分离卷积是指将标准卷积分解为两个步骤：深度卷积和逐点卷积。深度卷积只考虑通道之间的相关性，逐点卷积只考虑空间上的相关性。这种分解可以减少计算量，并且在某些情况下还能提高模型的准确率。 综上所述，引入深度卷积降低FLOPs的原因是为了降低深度学习模型的计算复杂度，使得模型可以更快地训练和预测，并且可以在更小的计算资源上运行。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FL1623863129

你的打赏是我写文章最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值