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。