CNN计算网络各层参数量与FLOPs

CNN中经常需要考虑到网络的参数量与计算量等问题，具体的计算方法为：

其中，K是卷积核的大小，Cin核Cout表示输入与输出的通道数，H与W表示特征图的大小。

此外，可以通过python中的stat模块计算与验证，代码：

import torch
import torch.nn as nn
from torchstat import stat

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv = nn.Sequential()
        self.conv.add_module("conv", nn.Conv2d(in_channels=3, out_channels=64, kernel_size=3, stride=1, bias=False, padding=1))
        self.conv.add_module("bn", nn.BatchNorm2d(64))
        # self.conv.add_module("")
        self.fc = nn.Linear(64*224*224,100, bias=True)

    def forward(self, x):
        x = self.conv(x)
        x = x.view(-1, 64*224*224)
        x = self.fc(x)
        return x




model = Net()
stat(model, (3, 224, 224))

输出为：

注意：torchstst的版本需要为0.0.6，安装方法:  pip install torchstat==0.0.6