tf.keras计算FLOPs

FLOPs全称是floating point operations的缩写，翻译过来是浮点运算数，理解为计算量，常用来衡量算法或深度学习模型的计算复杂度。

#浮点运行次数
#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。
#In TF 2.x you have to use tf.compat.v1.RunMetadata instead of tf.RunMetadata
#To work your code in TF 2.1.0, i have made all necessary changes that are compliant to TF 2.x

import tensorflow as tf
#必须要下面这行代码
tf.compat.v1.disable_eager_execution()
print(tf.__version__)
 
#函数
def get_flops_params():
    sess = tf.compat.v1.Session()
    graph = sess.graph
    flops = tf.compat.v1.profiler.profile(graph, options=tf.compat.v1.profiler.ProfileOptionBuilder.float_operation())
    params = tf.compat.v1.profiler.profile(graph, options=tf.compat.v1.profiler.ProfileOptionBuilder.trainable_variables_parameter())
    print('FLOPs: {};    Trainable params: {}'.format(flops.total_float_ops, params.total_parameters))

model = unet()
get_flops_params()

输出结果

> ======================End of Report========================== 
FLOPs: 4570813;    Trainable params: 2286108

参考链接：https://blog.csdn.net/jwen_/article/details/115840140