模型压缩基础知识
一、模型的参数量 VS 模型的体积大小
在深度学习神经网络中,最常见的数据格式是float32,占4个字节(Byte)。类似地,float16,占2个字节。1024个字节为1KB,1024x1024个字节为1MB。那么存储10000个参数需要的内存大小为10000x4 Bytes,约为39KB。存储100万个参数需要的内存大小为39x100/1024MB,约为3.8MB。
深度学习神经网络的参数量通常是百万级之上的,所以我们可以将3.8MB看作是一个基本单位,即每一百万个数字需要3.8MB。
注意到,不仅仅是参数存储需要空间,数据本身(例如图像的像素、特征图中的每个元素)也是一个数字,也需要相同的存储空间。
原文链接:https://blog.csdn.net/suiyingy/article/details/125173843
计算机用 表示 一个 float32 就会用到 4 个字节 那模型参数量有61.5 M(Million) 个float32 在计算机存储时候模型的体积就是61.5M x 4个字节 = 246 MB 。
计算机用 表示 一个 float32 就会用到 4 个字节 (最常见的数据格式是float32,占4个字节(Byte)) 。 那有模型的参数量是 3.41967MB 个float32 就是 模型的大小是14007kB了噻 。
1(模型的大小)4007(KB) / 1024 / 4 = (模型参数量)3.41767MB