fvcore basic

fvcore是一个易用的工具。fvcore是Facebook开源的一个轻量级的核心库，它提供了各种计算机视觉框架中常见且基本的功能。其中就包括了统计模型的参数以及FLOPs等。

pip install fvcore

注： 

• FLOPS：注意全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。
• FLOPs：注意s小写，是floating point operations的缩写（s表复数），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。

1.计算FLOPs： 

import torch
from torchvision.models import resnet50
from fvcore.nn import FlopCountAnalysis, parameter_count_table

# 创建resnet50网络
model = resnet50(num_classes=1000)

# 创建输入网络的tensor
tensor = (torch.rand(1, 3, 224, 224),)

# 分析FLOPs
flops = FlopCountAnalysis(model, tensor)
print("FLOPs: ", flops.total())

2.计算Param： 

import torch
from torchvision.models import resnet50
from fvcore.nn import FlopCountAnalysis, parameter_count_table

# 创建resnet50网络
model = resnet50(num_classes=1000)

# 分析parameters
print(parameter_count_table(model))

pytorch官方计算Param： 

sum(p.numel() for p in model.parameters() if p.requires_grad)

fvcore中Registry机制： 

why registry：原始的方法来调用方法or函数，需要寻找函数在哪个文件/类里，如果框架里的算法很多，这样找来找去会很麻烦，于是就可以利用Registry机制来简化这个过程：将字符串命名与对象(Object)建立一对一的映射关系，也就是将名字与算法模型建立一一对应关系。然后我下次要调用这个算法的时候，我就不需要管这个算法被写在哪个地方了，直接调用这个名字即可。

使用方法：

1.实例化Registry类：

from detectron2.utils.registry import Registry
#或者用：from fvcore.common import registry
OBGECT_DETECTION_REGISTRY = Registry("object_detection")

2.将算法实现代码与名字建立映射关系

# method1:

@OBGECT_DETECTION_REGISTRY.register()
class MyAlgorithm():
	pass


# method2:
class MyAlgorithm():
	pass
OBGECT_DETECTION_REGISTRY.register(MyAlgorithm)

3.调用算法 

model = OBGECT_DETECTION_REGISTRY.get(MyAlgorithm)(cfg) 
#其中的cfg是初始化算法需要传入的参数