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！！】

深度学习PyTorch模型参数量计算示例

在深度学习中，有时候处于分析模型的需要或者写文章的需要，得到模型的参数量对于理解模型复杂度、进行内存管理以及模型优化都至关重要。PyTorch作为当前流行的深度学习框架，为我们提供了计算模型参数量的工具和方法。下面将通过两个示例，详细展示如何在PyTorch中计算模型的参数量。

示例一：基础模型参数量计算

首先，我们创建一个简单的PyTorch模型，该模型包含一个卷积层、一个ReLU激活函数层和一个全连接层。然后，我们将使用PyTorch的torchsummary库来计算模型的参数量。

import torch
import torch.nn as nn
from torchsummary import summary

# 定义一个示例模型
class ExampleModel(nn.Module):
    def __init__(self):
        super(ExampleModel, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, 3, padding=1)
        self.conv2 = nn.Conv2d(16, 32, 3, padding=1)
        self.fc = nn.Linear(32 * 8 * 8, 10)

    def forward(self, x1, x2, x3):
        # 处理第一个图像<