YoloV3检测不同分辨率输入的网络大小「params、Flops」

直接使用YoloV3进行网络大小的检测有问题，不论设置使用输入图片分辨率，得到的params和Flops都是$640\times 640$输入的。
但是，在输入分辨率改变的情况下，网络的Flops一定改变，所以本文展现另一种测试Flops的方式。
使用项目：https://github.com/ultralytics/yolov3

这是ultralytics复现的pytorch的yoloV3.

在项目的models/yolo.pyv中。
将最后几行替换成如下

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--cfg', type=str, default='yolov3.yaml', help='model.yaml')
    parser.add_argument('--batch-size', type=int, default=1, help='total batch size for all GPUs')
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--profile', action='store_true', help='profile model speed')
    parser.add_argument('--line-profile', action='store_true', help='profile model speed layer by layer')
    parser.add_argument('--test', action='store_true', help='test all yolo*.yaml')
    opt = parser.parse_args()
    opt.cfg = check_yaml(opt.cfg)  # check YAML
    print_args(vars(opt))
    device = select_device(opt.device)

    # Create model
    im = torch.rand(opt.batch_size, 3, 320, 320).to(device)
    model = Model(opt.cfg).to(device)
    # Options
    # opt.line_profile=True
    opt.profile=True
    if opt.line_profile:  # profile layer by layer
        model(im, profile=True)

    elif opt.profile:  # profile forward-backward
        results = profile(input=im, ops=[model], n=3)

    elif opt.test:  # test all models
        for cfg in Path(ROOT / 'models').rglob('yolo*.yaml'):
            try:
                _ = Model(cfg)
            except Exception as e:
                print(f'Error in {cfg}: {e}')

    else:  # report fused model summary
        model.fuse()

其中

im = torch.rand(opt.batch_size, 3, 320, 320).to(device)
    model = Model(opt.cfg).to(device)

就是用来修改输入分辨率的。
这样就可以测试到网络在不同分辨率输入下的真实大小。