在Pytorch中计算自己模型的FLOPs方式
2020-04-04 07:06
2601 查看
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 YourModule(nn.Module): # your definition def count_your_model(model, x, y): # your rule hereflops, params = profile(model, input_size=(1, 3, 224,224), custom_ops={YourModule: count_your_model})
以上这篇在Pytorch中计算自己模型的FLOPs方式就是小编分享给大家的全部内容了,希望能给大家一个参考
您可能感兴趣的文章:
相关文章推荐
- 最简单的方式使用Discriminatively Trained Deformable Part Models训练自己的模型
- Pytorch 保存模型生成图片方式
- pytorch获取模型某一层参数名及参数值方式
- 深入理解云存储和云计算-数据模型及实现方式
- Pytorch中实现只导入部分模型参数的方式
- pytorch中的卷积和池化计算方式
- CSS3 box-sizing 属性 规定盒模型的宽高计算方式
- PyTorch(三)——使用训练好的模型测试自己图片
- pytorch中的卷积和池化计算方式详解
- PyTorch和Keras计算模型参数的例子
- pytorch如何用自己训练好的模型预测新的图片类型?
- pytorch(二)——訓練自己的模型
- pytorch模型预测结果与ndarray互转方式
- 利用WPF建立自己的3d gis软件(非axhost方式)(六)跳转,增加外部三维模型
- 光照模型的计算方式总结(1.Diffuse分量2.Specular分量 Phong model和Blinn-Phong model (Or Blinn))
- 最简单的方式使用Discriminatively Trained Deformable Part Models训练自己的模型(原创)
- 【web】盒子模型,宽高的计算方式
- python:目标检测模型预测准确度计算方式(基于IoU)
- pytorch(三)——保存自己的模型
- 让你的网站数据对搜索引擎来说按照最新时间排序,正常用户排序按照自己设定的方式排序