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。