非常有效的模型调试与更改方式

在pytorch中使用类似tf.placeholder的方法，能够在不需要管数据预处理的情况下快速得到模型整个pipeline中每一步的输入输出维度与数据类型。

x = Variable(torch.randn(shape).type(dtype), requires_grad=False) #Pytorch

测量模型参数的代码段

if __name__ == '__main__':

    x1 = torch.rand(2, 3, 128, 128)
    print(x1.shape)

    model = Net()
    a= model(x1)
    print(a.shape)

    from thop.profile import profile
    
    name = "our"
    total_ops, total_params = profile(model, (x1,))
    print("%s         | %.4f(M)      | %.4f(G)         |" % (name, total_params / (1000 ** 2), total_ops / (1000 ** 3)))

第一个参数是计算量，第二个参数是参数的个数