模型 评估

通常我们去评价一个模型时，首先看的应该是它的精确度。当你模型达到一定的精确度之后，就需要更进一步的评价指标来评价你模型：

1）前向传播时所需的计算力，它反应了对硬件如GPU性能要求的高低，由FLOPs来体现。其中，卷积所对应的计算力消耗是所占比重最高的。
Flops： floating point operations的缩写，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。网上有一些计算flops的开源库，直接调用即可。
转自知乎：如何计算Flops

2）参数个数，它反应所占内存大小。

这两个指标事关模型算法的落地。比如你要在手机和汽车上部署深度学习模型，对模型大小和计算力就有严格要求。