今天小编就为大家分享一篇在Pytorch中计算自己模型的FLOPs方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

今天小编就为大家分享一篇PyTorch和Keras计算模型参数的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

https://github.com/Lyken17/pytorch-OpCounter 安装方法很简单： pip install thop 基本用法： from torchvision.models import resnet50from thop import profile model = resnet50() flops, params = profile(model, input_size=(1, 3, 224,224)) 对自己的module进行特别的计算： class You

最近在做深度学习模型在嵌入式设备上的速率评估，现阶段一般计算深度模型的计算力的单位一般是MACC（Multiply–accumulate），一般评估嵌入式设备的单位是TOPS（Tera Operations Per Second），中文网站很少有介绍两者的关系。在查阅资料后基本可确定是tops=TMACC×2的关系。 具体可看： https://www.nxp.com/files-static/training_pdf/29147_COLDFIRE_CORES_WBT.pdf https://g

Cal-FLOPs for PLM 在NLP中计算预训练模型的FLOP 该存储库提供了有关为Pytorch Framework中的NLP模型（主要是PLM）计算FLOP和参数的示例脚本。 该示例脚本展示了两种类型的开源FLOPs计数器工具的用法。 FLOPs计数器和Parameters计数器基于和的开源工具 安装 从PyPI： pip install thop pip install ptflops 要求： 火炬> = 1.0.0 变压器> = 2.2.0 例子 参见e