当前位置: 代码迷 >> 综合 >> Tensorflow2.0 评价模型复杂度:参数量、FLOPs 和 MACC 计算
  详细解决方案

Tensorflow2.0 评价模型复杂度:参数量、FLOPs 和 MACC 计算

热度:93   发布时间:2023-10-28 13:22:13.0

文章目录

  • 项目介绍
  • 代码实现:对于迁移学习网络(复杂)
    • 1、迁移学习不带分类层的简化版 MobileNet V2 网络
    • 2、查看网络结构
    • 3、提取需要分析的层
    • 4、计算 FLOPs 和 MACC
  • 代码实现:对于自编写网络(简单)
    • 1、导入网络
    • 2、查看网络结构
    • 3、提取需要分析的层
    • 4、计算 FLOPs 和 MACC

项目介绍

在论文写作时,我们经常会对所提出模型的复杂度进行分析,主要用到的评价指标包括参数量、FLOPs 和 MACC,它们的计算原理可以参考《卷积、可分离卷积的参数量、计算量与 MACC 的对比》一文,在此文章中,我们着重介绍如何在 Tensorflow2.0 中计算这些参数。

【注】由于迁移学习网络和自编写网络的命名规则不同,这里针对两种情况提供两段代码。

  相关解决方案