YOLOv8/5不显示FLPOs

已于 2025-02-20 02:20:21 修改
阅读量1.1k 收藏 4
点赞数 8
分类专栏： YOLOv5和YOLOv11 文章标签： YOLO 深度学习 人工智能
于 2023-11-22 14:39:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_41967600/article/details/134552469
版权
本文介绍了YOLOv8/5在运行时未显示FLPOs的现象，并强调是为了防止自媒体搬运。作者建议读者通过替换torch_utils.py文件中的特定函数来解决此问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！
YOLOv8/5不显示FLPOs，避免自媒体搬运，请下滑！

替换torch_utils.py文件中的这个函数即可！

pip install ptflops
了解本专栏 订阅专栏 解锁全文
YOLOV5/YOLOV7/YOLOV8改进专栏
AIcurator的博客
07-04 2085
手把手教你YOLOV5/YOLOV7/YOLOV8的各种改进方式，订阅可以直接给改进好的源代码。
YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改进【NO.66】改进为旋转目标框检测
m0_70388905的博客
04-16 2889
预告一下：下一篇内容将继续分享深度学习算法相关改进方法。有兴趣的朋友可以关注一下我，有问题可以留言或者私聊我哦PS：该方法不仅仅是适用改进YOLOv5，也可以改进其他的YOLO网络以及目标检测网络，比如YOLOv7、v6、v4、v3，Faster rcnn ，ssd等。最后，有需要的请关注私信我吧。关注免费领取深度学习算法学习资料！
YOLO训练时GFLOP不显示的问题
Panpan_010的博客
12-06 388
在prompt搭建好的虚拟环境中下载thop库即可解决。开始训练时，Gflops不显示。Gflops打印需要thop库。
yolov8训练时不打印GFlops/yolov8查看模型参数信息
m0_58845062的博客
05-16 2287
终端输入：pip install thop。
【YOLOv5-6.x】解决加入CA注意力机制不显示FLOPs的问题
weixin_43799388的博客
04-10 7091
1、问题描述 问题源自之前写的一篇博客：【魔改YOLOv5-6.x（中）】：加入ACON激活函数、CBAM和CA注意力机制、加权双向特征金字塔BiFPN，尝试在YOLOv5的backbone中加入Coordinate Attention，虽然加入后mAP有提升，但是重要的GFLOPs信息却无法显示！！ 2、问题解决 于是我就开始了疯狂debug，在各个位置加断点，加断点，终于锁定源头：CABlock类函数的定义 这是CABlock原始类函数，在__init__中定义了两个全局平均池化nn.AdaptiveA
yolov8/v5不打印GFLOPs
Dneccc的博客
09-15 5678
解决yolov8/v5添加模块后不打印FLOPs的问题
YOLOv5 6.0 解决不显示Gflops方法：
TingHuadeQ的博客
08-31 2980
YOLOv5 6.0 解决不显示Gflops方法：
YOLOV5模型改进后不显示GFLOPs
weixin_63087177的博客
11-02 853
YOLOV5模型改进后不显示GFLOPs
YOLOSHOW - YOLOv5 / YOLOv7 / YOLOv8 / YOLOv9 基于 Pyside6 的图形化界面
05-28
YOLOSHOW v1.x : YOLOSHOW-YOLOv9/YOLOv8/YOLOv7/YOLOv5/RTDETR GUI YOLOSHOW v2.x : YOLOSHOWv2.0-YOLOv9/YOLOv8/YOLOv7/YOLOv5/RTDETR GUI 待做清单 加入 YOLOv9 算法 调整UI (菜单栏) 完成Rtsp功能 支持...
YOLOv5 / YOLOv7 / yolov8 / YOLOv9 基于 Pyside6 的图形化界面
07-30
YOLOv5 / YOLOv7 / yolov8 / YOLOv9 基于 Pyside6 的图形化界面
YOLOV5 改进后 GFLOPs指标不输出问题
南栀北辰SDN的博客
04-15 641
YOLOV5 改进后 GFLOPs指标不输出。安装thop库，或者卸载重装。分析： 缺少对应的库。
关于YOLOv8不显示GFlops的问题解决
crasher123的博客
10-15 1984
屏幕显示GFlops需要安装此pip库: thop。但是没有安装，则不显示，导致debug比较困难。
YOLOv6项目通过fvcore计算FLOPS输出
yingzhu252的博客
09-09 720
使用YOLOv6项目训练数据，通过引入fvcore来计算FLOPS
yolov8 Gflops计算为0
huachenyuyu1的博客
09-08 296
使用了没有实现cpu版本的可变性卷积的话，会对yolov8源代码作比较大的修改，尤其是对模型往gpu迁移的处理。由此导致get_flops函数中thop.profile无法计算出结果，会报异常。目前没有找到解决办法。
YOLO在服务器上训练，日志文件中不显示GFLOPs参数的问题
weixin_41166529的博客
10-25 3204
YOLO在服务器上训练，日志文件中不显示GFLOPs参数的问题
yolov8的指标
热门推荐
fool996的博客
02-28 1万+
检测精度检测速度前传耗时每秒帧数 FPS（Frames Per Sencond）P-R curve浮点运算量（FLOPS）AP、mAP。
DETR，YOLO模型计算量(FLOPs)参数量(Params)
pengxiang1998的博客
08-11 8827
关于计算量(FLOPs)参数量(Params)的一个直观理解，便是计算量对应时间复杂度，参数量对应空间复杂度，即计算量要看网络执行时间的长短，参数量要看占用显存的量。计算量： FLOPs，FLOP时指浮点运算次数，s是指秒，即每秒浮点运算次数的意思，考量一个网络模型的计算量的标准。参数量： Params，是指网络模型中需要训练的参数总数。了解以上概念后，接下来便是如何计算这两个值。一个很常见的方法便是通过ptflos包来实现。这段代码可以说是即插即用。
芒果YOLOv8改进43：写作篇：一文了解YOLOv8如何打印FPS指标
包括YOLOv5、YOLOv7、YOLOv8等模型改进
12-12 3993
一文了解YOLOv8如何打印FPS指标
【论文】YOLOv7运行train.py和test.py时，打印不出来计算量GFLOPs解决方法
孟孟单单的博客
06-15 3481
【论文】YOLOv7运行train.py和test.py时，打印不出来计算量GFLOPs解决方法
yolo模型查看flops和params
最新发布
03-27
### 计算或查看 YOLO 模型的 FLOPs 和 Parameters 要计算或查看 YOLO 模型的 FLOPs 和参数量，可以采用 PyTorch 提供的相关工具库 `thop` 来实现。以下是具体方法： #### 使用 thop 库计算 YOLO 的 FLOPs 和 Params 通过引入第三方库 `thop` 可以方便地获取模型的参数量和计算复杂度（FLOPs）。以下是一个完整的代码示例来展示如何操作[^4]。 ```python import torch from thop import profile from models.yolo import Model # 假设这是加载 YOLOv5 模型的方式 # 定义输入张量形状 b, c, h, w = 1, 3, 640, 640 # 批次大小、通道数、高度、宽度 input_tensor = torch.randn(b, c, h, w) # 加载预训练的 YOLOv5 模型 model = Model('yolov5s.yaml', ch=3, nc=80) # 替换为实际使用的配置文件路径 model.eval() # 使用 thop.profile 进行分析 flops, params = profile(model, inputs=(input_tensor,)) print(f"FLOPs: {flops / 1e9:.2f} G") # 将 FLOPs 转化为 Gigaflops 单位 print(f"Parameters: {params / 1e6:.2f} M") # 将参数量转化为 Megabytes 单位 ``` 上述代码中，`profile()` 函数用于评估模型的计算复杂度以及参数数量。其中，`inputs` 参数指定的是模型的实际输入数据形式。对于图像分类或者目标检测任务来说，通常会设置输入尺寸为 `(batch_size, channels, height, width)` 形式的张量。 #### 关于 FLOPs 的定义及其重要性 FLOPs 是 Floating Point Operations Per Second 的缩写，表示每秒钟能够完成多少次浮点运算。它是衡量计算机性能的一个指标，在深度学习领域也常被用来评价神经网络模型的计算开销。当讨论不同架构之间的效率差异时，明确指出所依据的 FLOPs 计算标准是非常重要的，因为不同的框架可能有不同的实现细节影响最终数值[^2][^3]。 #### 总结 综上所述，借助 Python 中的 `thop` 工具包可以帮助开发者轻松获得任意给定卷积神经网络结构下的理论峰值性能表现——即其对应的总参数数目与所需执行的操作总数目。这对于优化算法设计过程中的资源分配具有重要意义。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AIOT魔法师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值