Pytorch计算模型的参数量和计算量

最新推荐文章于 2025-04-08 13:48:12 发布
最新推荐文章于 2025-04-08 13:48:12 发布
阅读量2.6k 收藏 18
点赞数 2
分类专栏： pytorch python pycharm 文章标签： python pytorch
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_44239195/article/details/110390705
版权
这篇博客介绍了如何在PyTorch中利用thop库来计算模型的参数数量和计算量。首先，博主详细讲解了thop库的安装过程，包括常规安装和备用方案。接着，文章展示了如何运用thop来计算模型的FLOPs，提供了一张展示实际计算结果的图表，并给出了相关参考链接以帮助读者深入理解。

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

1. 安装 thop

1.1 常规安装

pip install thop

1.2 若上述安装方式错误，可以参考以下方式：

pip install thop-i http://pypi.douban.com/simple --trusted-host pypi.douban.com

参考：https://editor.youkuaiyun.com/md/?articleId=106466047

2. 使用thop计算参数量和计算量

### 基本用法
最低0.47元/天 解锁文章
PyTorch：计算模型参数量和模型大小
Bsv___的博客
10-10 1826
通过使用PyTorch，我们可以方便地计算模型的参数量和模型大小。参数量表示模型中需要学习的参数的数量，而模型大小表示模型在存储设备上占用的空间大小。通过上述代码示例，您可以轻松地计算模型的参数量和模型大小，并在实际应用中使用这些信息。在深度学习领域中，了解模型的参数量和模型大小是非常重要的。参数量表示模型中需要学习的参数的数量，而模型大小则表示模型在存储设备上占用的空间大小。计算模型参数量的常用方法是统计模型中所有可学习参数的数量。方法获取保存的模型文件的大小，并输出模型大小。函数来计算模型参数量。
Pytorch统计模型参数量和计算量
weixin_42096202的博客
01-13 9222
需要使用官方库THOP: PyTorch-OpCounter GitHub 地址：https://github.com/Lyken17/pytorch-OpCounter 1.安装THOP： pip install thop # or pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.git 2.使用方...
Pytorch中对于模型的参数量和计算量的统计
qq_37844044的博客
08-12 1093
背景：接前面的想法，安装thop第三方库后，就要利用它来进行模型参数量和计算量啦！！！！ 1、安装Thop 哈哈哈哈，这一步我就不在这里赘述了，大家可以去看看我的另一篇博客。传送门-------》thop安装避坑，点击即达 2、代码使用 1)直接输出 import thop from thop import profile # 定义好的网络模型 input = torch.randn(1, 3, 224, 224) flops, params = profile(Model,inputs=(input,.
Pytorch中统计模型的计算量(FLOPs)和参数量(Params)
qq_36771396的博客
03-29 1万+
get_model_complexity_info 函数的参数 as_strings=True 表示返回的结果以字符串形式表示，print_per_layer_stat=True 表示打印每个层的统计信息。然后，我们定义了模型的输入尺寸，并使用 get_model_complexity_info 函数来计算模型的乘积累加操作（MACs，可以近似为 FLOPs）和参数量。最后，我们将结果打印出来。在深度学习中，FLOPs 用于衡量模型的总计算量，包括所有的乘法、加法和其他可能的操作（如激活函数的计算）。
pytorch实现的一个模型，怎么查看其参数总量和GFLOPS
最新发布
wanggeniubi的博客
04-08 229
在 PyTorch 中，可以通过遍历模型的参数（parameters）并调用每个参数张量的。方法来计算模型中所有参数的数量。
PyTorch模型参数量计算【使用torchsummary库与自定义 两种方法！附完整代码！！】
xiaoh_7的博客
04-28 3098
本文详细介绍了如何在PyTorch框架中计算模型参数量的两种实用方法。首先，通过利用torchsummary库，我们展示了如何快速获取模型的详细层信息以及参数量的统计。其次，我们介绍了如何自定义函数来计算模型参数量，这种方法更加灵活，可以根据具体需求定制输出信息。
Pytorch：张量的统计计算
m0_63997099的博客
04-15 1426
相关性统计量在数据分析和机器学习中非常重要，它们帮助我们理解不同维度之间的关系。方法用于找到张量中的最小值，并返回该最小值及其对应的索引。类似的，有两种形式。方法用于计算张量中所有元素的方差。与均值一样，有两种形式。方法用于计算张量中所有元素的标准差。类似的，有两种形式。的指标，通常用于对张量（或矩阵、向量等）中的元素进行整体性描述。类似的，有两种形式。方法用于计算张量中所有元素的均值。方法用于找到张量中的最大值，并返回该最大值，如果包含。函数计算的是皮尔逊相关系数矩阵。的使用类似，因此不再赘述。
pytorch统计模型计算量和参数量的工具
weixin_41912543的博客
09-18 1094
https://www.jianshu.com/p/b1ceaa7effa8
Pytorch计算模型参数总量和模型计算量
confusingbird的博客
01-09 1万+
计算这两个值之前要进行模型加载，模型加载的方法见https://blog.youkuaiyun.com/confusingbird/article/details/103913915， 加载完模型后得到模型model 方法1：pytorch自带方法，计算模型参数总量 total = sum([param.nelement() for param in model.parameters()]) p...
pytorch计算网络参数量和Flops
Mr_Lowbee的博客
09-07 627
输出的参数是B，（/1024/1024/1024）G，（/1024/1024/1024/1024）T。输出的参数是除以一百万（/1000000）M，
计算模型的参数量以及FLOPS
Sesen的木屋
06-09 2384
具体可以查看 https://github.com/Lyken17/pytorch-OpCounter THOP： PyTorch-OpCounter pip install thop pip install --upgrade git+https://github.com/Lyken17/pytorch-OpCounter.git class YourModule(nn.Module):...
经典模型的参数计算量Params和计算量FLOPs归纳总结
DizzyOK的博客
10-31 1869
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例
神经网络打印模型参数及参数名字和数量
吉良的博客
12-24 8376
神经网络打印模型参数及参数名字和数量 在设计和优化神经网络模型性能时，很多时候需要考虑模型的参数量和计算复杂度，下面一个栗子可以帮助我们快速查看模型的参数。 ** 举个栗子，如有错误，欢迎大家批评指正 ** exp： import torch from torch import nn class Net(nn.Module): def __init__(self): super().__...
pytorch 获取模型的参数数量
edward_zcl的博客
11-17 498
# Find total parameters and trainable parameters total_params = sum(p.numel() for p in model.parameters()) print(f'{total_params:,} total parameters.') total_trainable_params = sum(p.numel() for p...
用thop去获得模型参数量和计算量（pytorch）
菊头蝙蝠的博客
02-22 1万+
用thop去得到模型参数量和计算量（pytorch）1. 安装2. 使用（获得计算量（flops）和参数量（params））2.1计算tochvision自带的模型大小2.2计算自定义的模型的大小 Thop github地址 1. 安装 pip install thop 2. 使用（获得计算量（flops）和参数量（params）） 2.1计算tochvision自带的模型大小 其中输入的x，只影响计算量，不影响参数量 model = torchvision.models.segmentation.fc
【深度笔记】模型理论性能计算调研
参谋谋的博客
10-10 2579
深度学习模型计算量，访存量和性能评估调研
PyCharm 计算一个项目代码行数
c_lanxiaofang的博客
08-30 2123
该插件需要Java1.8环境变量支持，没有安装JRE的同学需要先安装Java1.8，部署JRE环境。 完成JRE环境部署之后，请再点击下面网址下载Statistic.jar安装包 1、下载 statistics 插件 https://plugins.jetbrains.com/plugin/4509-statistic/versions 2、我这里下载的是Statistic-4.1.4 3、PyCharm -- Settings -- Plugins -- Install...
如何用Pytorch计算模型参数量Params和计算量Flops查看框架结构等
热门推荐
如何心安理得的在老板眼皮下摸鱼
05-13 4万+
计算模型参数量 1.parameters法 通过遍历模型的parameters获取结构以及参数： model = 你自己的模型，eg:CNN() ResNet() SegNet().... params = list(model.parameters()) k = 0 for i in params: l = 1 print("该层的结构：" + str(list(i.size()))) for j in i.siz
pytorch获取模型性能
主攻大数据 人工智能 物联网 安全 低空经济等方向。mtsc 、gtest特邀分享嘉宾
03-03 785
等。以下是一些常用的方法来评估和获取模型的性能指标。
pytorch计算模型参数量
02-19
PyTorch是一个流行的深度学习框架，可以用于构建和训练神经网络模型。计算模型参数量是评估模型复杂度和性能的重要指标之一。在PyTorch中，可以使用`torchsummary`库来计算模型参数量。 首先，确保你已经安装了`torchsummary`库。可以使用以下命令进行安装： ``` pip install torchsummary ``` 接下来，我们可以通过以下步骤来计算模型参数量： 1. 导入所需的库： ```python import torch from torchsummary import summary ``` 2. 定义模型： ```python import torch.nn as nn class MyModel(nn.Module): def __init__(self): super(MyModel, self).__init__() self.conv1 = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1) self.conv2 = nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1) self.fc1 = nn.Linear(128 * 7 * 7, 256) self.fc2 = nn.Linear(256, 10) def forward(self, x): x = self.conv1(x) x = self.conv2(x) x = x.view(x.size(0), -1) x = self.fc1(x) x = self.fc2(x) return x model = MyModel() ``` 这是一个简单的卷积神经网络模型。 3. 使用`summary`函数计算模型参数量： ```python summary(model, (3, 224, 224)) ``` 这里的`(3, 224, 224)`是输入张量的形状。 运行以上代码后，你将会得到一个模型参数量的总结，包括每一层的输出形状和参数量。
评论 4
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
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