YOLO涉及函数——thop计算PyTorch模型操作数和计算量

Thop模块

官方文档：https://pypi.org/project/thop/
THOP（Torch-OpCounter）是用于计算PyTorch模型操作数和计算量的工具，通过这个库，开发者可以更好地理解和评估模型的复杂度，对模型优化和性能调优是非常有帮助的。

函数说明

• thop.profile(model, inputs, custom_ops, ignore_ops)
  参数

  • model(PyTorch模型): 需要计算操作数和计算量的PyTorch模型。
  • inputs(输入大小): 模型输入张量的大小。这通常是一个元组，指定了输入张量的形状。
  • custom_ops(自定义操作): 一个字典，用于指定自定义操作的计算量。这可以是覆盖THOP库中默认的操作计算方式。
  • ignore_ops(忽略操作): 制定了在计算过程中需要忽略的操作类型。这对于排除某些不重要的操作或特定层的计算量非常有用。

• thop.clever_format() # 指定输出的格式

代码

from torchvision.models import resnet50
import thop
model = resnet50()
input = torch.randn(1, 3, 224, 224)
macs, params = thop.profile(model, inputs=(input,))
print("FLOPs:", macs)    #FLOPs模型复杂度
print("params:", params)    #params参数量

macs, params = thop.clever_format([macs, params], "%.3f")
print("FLOPs:", macs)
print("params:", params)

运行结果

FLOPs(floating point operations)浮点计算次数，通常用来评估模型的计算复杂度。
FLOPS(floating point operations per second)是指每秒钟可以执行的浮点运算次数，通常用来评估一个计算机系统的计算能力。
FLOPs和FLOPS都是衡量计算复杂度和计算能力的指标，但它们的单位不同，FLOPs的单位是次，而FLOPS的单位是次/秒。
在实际应用中，我们通常会同时考虑这两个指标，以评估计算机算法或者模型在不同的计算机系统上的表现。