深度学习模型评价指标
深度学习中常用的FLOPs、FLOPS、MACs、Params指标介绍。
一、计算时间复杂度(计算量)
1.FLOPs
FLOPs(Floating Point Operations):浮点运算次数
每一个加、减、乘、除操作都算1FLOPs操作,常用来衡量模型计算复杂度。
2.FLOPS
FLOPS(Floating Point Operations Per Second):每秒浮点运算次数
表示计算速度,是一个衡量硬件性能的指标。
3.MACs
MACs(Multiply–Accumulate Operations):乘加累积操作数
1MACs包含一个乘法操作与一个加法操作,大约包含2FLOPs,通常MACs与FLOPs存在一个2倍的关系。
单位:(G)
一般情况下,ReLU层和Pooling层计算FLOPs,而conv层、FC层,计算MACC数。
二、计算空间复杂度(参数量)
1.Params
模型参数量
单位:(M)
卷积层参数量:
(kernel*kernel