深度学习模型评价指标

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