本文以Lenet模型为例，探讨卷积层的算力评估。通过计算得出第二层卷积层的MACC数量，与实际测量结果进行对比，并解释了理论值与实际测量值的差异。同时，介绍了参数和激活函数的数量计算方法。
以比较简单的lenet网络模型为例，我们尝试推导主要算子的算力计算公式，并看一下它的各层理论算力要求。
lenet网络结构
以第二层为例，他的输入尺寸是1*28*28*1的一张feature map,卷积核为 5*5*1,stride_h和stride_w均为1， pad_h,pad_w均为0，说明不做padding，输出feature map会缩小。
卷积层的算力评估方法
卷积模型，典型的卷积层计算如下图所示：
如果输入特征图的宽高分别是,输出特征图的宽高分别是
,上下左右填充分别为
卷积层的算力评估(MACC和FOPS)
于 2022-02-14 20:23:42 首次发布
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
