【pytorch】计算一个CNN模型model的参数量，即论文中常用的#parameters

luissen

于 2019-04-01 10:06:51 发布

阅读量4.9k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： pytorch 文章标签：参数量 parameter pytorch CNN model

本文链接：https://blog.youkuaiyun.com/m0_37615398/article/details/88942109

pytorch 专栏收录该内容

5 篇文章

订阅专栏

本文澄清了模型存储量与参数量的区别，并提供了在PyTorch中计算模型参数量的具体方法，通过实例代码展示了如何获取模型总参数数量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在开始之前，请记住，存储量不是参数量！！！！
存储量不是参数量！！！！
存储量不是参数量！！！！

通常来说我们在训练模型的时候会用checkpoint的方法把模型保存下来，一个模型小则几十M，大则上百M，并且我们很多时候会把这个存储量误认为是参数量，比如在这里插入图片描述
但是实际上这个是存储量而不是参数量，那么在pytorch中参数量怎么计算呢？
实际上我们可以直接在pytorch代码中print一个模型的参数：
话不多说，代码如下：

params = list(self.get_model().parameters())#所有参数放在params里
k = 0
for i in params:
   l = 1
   for j in i.size():
        l*=j     #每层的参数存入l，这里也可以print 每层的参数
   k = k+l   #各层参数相加
print("all params:"+ str(k))   #输出总的参数

通常来说这个params最后print出来要除以100万转换为M为单位（论文中常用的格式）
好了，这就是pytorch中模型参数量的计算方法