fvcore

fvcore是一个由Facebook AI Research开发的核心库，提供了许多有用的工具和功能，常用于计算机视觉和机器学习项目。它包含了各种实用的模块和函数，可以帮助简化和加速开发过程。

安装fvcore

使用pip安装

pip install fvcore

从源码安装

git clone https://github.com/facebookresearch/fvcore.git
cd fvcore
pip install .

主要功能

• Config System(fvcore.common.config)：帮助管理和使用配置文件
• Checkpointing(fvcore.common.checkpoint)：提供保存和加载模型检查点的功能
• Logging(fvcore.common.logger)：提供日志记录功能
• Metrics(fvcore.common.metrics)：提供各种性能评估指标的实现
• Timer(fvcore.common.timer)：提供计时功能，帮助测量代码运行时间
• FlopCountAnalysis(fvcore.nn.FlopCountAnalysis)：用于分析张量运算中的浮点运算次数的工具
• flop_count_table(fvcore.nn.flop_count_table)：辅助函数，用于以表格形式显示FLOPs分析的结果。它可以帮助你更直观地了解每一层的计算复杂度

使用示例

import torch
import torch.nn as nn
from fvcore.nn import FlopCountAnalysis, flop_count_table


class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)
        self.fc1 = nn.Linear(32 * 32 * 32, 10)
    
    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = x.view(x.size(0), -1)
        x = self.fc1(x)
        return x


model = SimpleModel()

input_tensor = torch.randn(1, 3, 32, 32)

flops = FlopCountAnalysis(model, input_tensor)

print(f"Total FLOPs: {flops.total()}")

print(flop_count_table(flops))