Tensorflow2.0 评价模型复杂度：参数量、FLOPs 和 MACC 计算

最新推荐文章于 2024-04-29 20:15:00 发布
最新推荐文章于 2024-04-29 20:15:00 发布
阅读量5.7k 收藏 9
点赞数 7
分类专栏： 深度学习 PHM项目实战--建模篇 文章标签： tensorflow 深度学习 卷积 python
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/qq_36758914/article/details/107612351
版权
PHM项目实战--建模篇 同时被 2 个专栏收录
23 篇文章 507 订阅 ¥79.90 ¥99.00
订阅专栏
深度学习
70 篇文章 34 订阅
订阅专栏

文章目录

项目介绍

在论文写作时，我们经常会对所提出模型的复杂度进行分析，主要用到的评价指标包括参数量、FLOPs 和 MACC，它们的计算原理可以参考《卷积、可分离卷积的参数量、计算量与 MACC 的对比》一文，在此文章中，我们着重介绍如何在 Tensorflow2.0 中计算这些参数。

【注】由于迁移学习网络和自编写网络的命名规则不同，这里针对两种情况提供两段代码。

代码实现：对于迁移学习网络（复杂）

我们使用迁移学习到的 MobileNet V2 网络举例。

1、迁移学习不带分类层的简化版 MobileNet V2 网络

import tensorflow as tf

mobilev2 = tf.keras.applications.MobileNetV2(include_top
了解本专栏 订阅专栏 解锁全文
cofisher
关注
  • 7
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
订阅专栏
22_CNN网络各种层的FLOPs和参数量paras计算1
08-03
理解和计算CNN的FLOPs（Floating Point Operations）和参数量对于优化模型性能、减小计算资源需求至关重要。本文将详细介绍如何计算CNN各层的FLOPs和参数量。 首先，FLOPs是一个衡量计算复杂度的指标，它表示的是每...
PyTorch和Keras计算模型参数的例子
09-18
今天小编就为大家分享一篇PyTorch和Keras计算模型参数的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
算法小白的第一次尝试----tensorflow2.0 CNN参数计算（图文解析CNN）
Java_Man_China的博客
04-27 2499
直接截图jupyter上数据 x_train输入为32323，三通道RGB 自定义model类 CNN主要采用了CBAPD模式，即卷积层、BN层、激活层、池化层、dropout层，然后输入全连接网络 模型训练 模型输出参数统计：（具体参数值可以通过model.trainable_variables 去输出打印） 重点来了： conv2d -------> param # 456 fi...
tensorflow2计算flops
weixin_44218513的博客
02-23 539
TensorFlow2计算flops无需第三方库
深度学习——Pytorch模型统计FLOPs，MACs和Params评估参数
最新发布
qq_40280673的博客
04-29 2192
FLOPs（Floating point operations per second）是指每秒浮点运算次数，MACs （Multiply-Accumulate Operations）是指乘加操作的次数，Params（Parameters）是指模型的参数数量。这三个指标可以用来衡量模型的复杂度，即模型计算量的大小。
计算模型参数量
努力奋斗
06-23 534
计算模型参数量
【PKU-TensorFlow】复杂度、学习率
SuperSources的博客
01-19 179
神经网络的复杂度 NN复杂度：多用NN层数和NN参数的个数表示 空间复杂度 层数=隐藏层的层数+1个输出层 总参数= 总w + 总b 时间复杂度 乘加运算的总次数
Tensorflow1.x下计算模型FLOPs
orangeboss的博客
07-26 643
介绍了Tensorflow1.15.0版本下模型参数量和FLOPs的计算方法。
在Pytorch中计算自己模型的FLOPs方式
12-23
安装方法很简单： pip install thop ...flops, params = profile(model, input_size=(1, 3, 224,224)) 对自己的module进行特别的计算： class YourModule(nn.Module): # your definition def count_yo
TensorFlow 2.0 保存模型结构和参数
西檬饭
02-08 4110
笔记摘自《Google老师亲授 TensorFlow2.0 入门到进阶_课程》 模型和参数保存 直接修改callback的参数列表，9-2。 使用tf.SavedModel()保存模型 使用!saved_model_cli show --dir 路径 --all查看保存内容，可以看到关于输入和输出的签名信息。 使用命令行验证模型保存是否正确： !saved_model_cli run--dir 路径 --tag_set serve --signature_def servin...
Tensorflow从模型文件中统计可以训练的参数的数目
TH_NUM的博客
08-07 851
#coding=utf-8 from tensorflow.python import pywrap_tensorflow import os import tensorflow as tf flags = tf.app.flags flags.DEFINE_string('model_path', "20200807195150/", "the export model path") FLAGS = flags.FLAGS ckpt = tf.train.get_checkpoint_st
pytorch和tensorflow关于神经网络的参数量估计和运算量估计（Parameters和FLOPs）
TheTopMing的博客
02-17 1512
这里写自定义目录标题浮点运算数估计和参数量估计PytorchTensorflow总结 浮点运算数估计和参数量估计 简单地记录一下关于神经网络参数估计和计算量估计的心得。 Pytorch Pytorch没有tensorflow那么繁琐，这里推荐使用Thop包来进行计算。下面是一个例子： from thop import profile from importlib import import_module MODEL = import_module(args.model) model = MODEL.Net
ShuffleNet V2 网络结构的原理与 Tensorflow2.0 实现
cocofisher的博客
06-28 2717
ShuffleNet V2 网络结构的原理与 Tensorflow2.0 实现
2、TensorFlow 的计算模型、运行模型、数据模型
Man
11-26 3280
一、TensorFlow 简介 1. TensorFlow 的定义 Tensor（张量）意味着 N 维数组，Flow（流）意味着基于数据流图的计算，TensorFlow 代表着张量在图中通过运算(op)进行传递和变换 2. TensorFlow 的工作模式 TensorFlow 使用图(Graphs)来表示计算任务，图中的节点称之为 op(Operation)
tensorflow 模型浮点数计算量和参数量估计
ZhaoDongyu_AK47的博客
09-16 3978
文章目录写在前面的话计算量、参数量实验统计模型的内存、耗时情况 写在前面的话 之前在pytorch统计参数量和计算量用stat非常的方便，现在转到tensorflow后发现tensorflow的参数量和计算量的统计相对来说就没那么方便了。 在网上也搜了一些相关教程，发现用profiler来进行统计是最方便的。 本文参考了：tensorflow 模型浮点数计算量和参数量估计和TensorFlow程序分析（profile）实战，他们都整理的都非常好，我在这里重新整理一遍方便自己看。 计算量、参数量实验 stat
Tensorflow计算一个模型的浮点运算数
蓬莱道人的博客
05-31 5648
1、统计模型的浮点运算数和参数量 FLOPS：注意全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。 FLOPs：注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。 MACCs：是multipl...
tensorflow性能工具
ab0902cd的博客
04-13 524
tensorflow模型在移动端部署比服务端要复杂的多，需要考虑模型的精度、大小、速度、计算量、内存等方面的指标，下面对这些指标进行评价的工具进行相关介绍。 1. 计算量 tensorflow对浮点数计算量（FLOPs）和参数量进行统计 import tensorflow as tf def stats_graph(graph): flops = tf.profiler.profi...
tensorflow/keras计算模型参数量和flops
qq_45128278的博客
12-19 3247
问题： 在使用以上代码计算模型的参数量和flops时报错： AttributeError: module ‘tensorflow._api.v2.profiler’ has no attribute ‘profile’ def stats_graph(graph): flops = tf.profiler.profile(graph, options=tf.profiler.ProfileOptionBuilder.float_operation()) params = tf.profile
TensorFlow2.0计算flops
05-23
可以使用TensorFlow2.0内置的tf.profiler模块来计算FLOPS。以下是一个简单的示例代码： ```python import tensorflow as tf # 构建模型 model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Flatten(), tf.keras.layers.Dense(10, activation='softmax') ]) # 生成输入数据 input_data = tf.random.normal([1, 28, 28, 1]) # 运行一次前向传播以生成计算图 @tf.function def inference(): output = model(input_data) return output output = inference() # 打印FLOPS tf.profiler.profile( tf.get_default_graph(), options=tf.profiler.ProfileOptionBuilder.float_operation()) ``` 执行上述代码后，会输出模型的总FLOPS数量。注意，这里的FLOPS是指在单次前向传播中所执行的总乘法和加法操作数量，而不是训练过程中的总操作数量。因此，如果您的模型中包含了dropout、batch normalization等操作，计算得到的FLOPS数量会偏低。

“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 4
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

cofisher

你的鼓励将是我创作的最大动力

¥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