人工智能：模型复杂度【机器学习模型复杂度、深度学习模型复杂度（FLOPs、MAC）】

一、机器学习模型复杂度

二、深度学习模型复杂度

通常，一个神经网络模型的复杂度用2个指标来描述：

• 模型的参数(Parameters)数量，
  1. Params：模型的参数量。
• 模型的计算量：
  1. FLOPs：FLoating point OPerations，前向推理的计算量。
  2. MAC：Memory Access Cost。
  3. MACC(MADD)：multiply-accumulate operations：先乘起来再加起来的运算次数。

1、时间复杂度（计算量）

时间复杂度（计算量）：计算量指的需要进行的加乘操作的次数，可用 FLOPS衡量，也就是浮点运算次数（FLoating-point OPerations）。