网站的服务器选择,wordpress文章底部加分享,欧美网站与中国网站区别,开发 网站 团队一、参考资料
神经网络参数量、计算量#xff08;FLOPS#xff09;、内存访问量#xff08;MAC#xff09;计算详解 5种方法获取Torch网络模型参数量计算量等信息
二、参数量与计算量相关介绍
1. 为什么要统计模型参数量和计算量
好的网络模型不仅要求精度准#xff0…一、参考资料
神经网络参数量、计算量FLOPS、内存访问量MAC计算详解 5种方法获取Torch网络模型参数量计算量等信息
二、参数量与计算量相关介绍
1. 为什么要统计模型参数量和计算量
好的网络模型不仅要求精度准还要要求模型的参数量和计算量不大才能有利于部署统计模型的参数量和计算量可以用于不同网络模型之间的对比分析有的模型虽然参数量相同但是可能因为连接方式和结构等不同而导致计算量不同
2. 计算量与参数量的概念
计算量是指网络模型需要计算的运算次数参数量是指网络模型自带的参数数量多少计算量对应时间复杂度参数量对应于空间复杂度计算量决定了网络执行时间的长短参数量决定了占用显存的大小。
3. 卷积层 3.1 参数量
对于卷积层来说参数量就是卷积核里所有参数的数量。
假设每个卷积核的尺寸是 D K ∗ D K ∗ M D_K * D_K*M DK∗DK∗M一共有N个卷积核所以标准卷积的参数量为
如果考虑bias偏置项则参数量为 D K ∗ D K ∗ M ∗ N N D_K * D_K * M * N N DK∗DK∗M∗NN
如果不考虑bias偏置项则参数量为 D K ∗ D K ∗ M ∗ N D_K * D_K * M * N DK∗DK∗M∗N
3.2 计算量
对于卷积层来说我们得到的特征图都是进行一系列的乘加运算得到的。
假设每个卷积核的尺寸是 D K ∗ D K ∗ M D_K * D_K * M DK∗DK∗M一共有N个卷积核输出的特征图尺寸是 D F ∗ D F D_F * D_F DF∗DF。
一次卷积乘法运算次数为 D K ∗ D K ∗ M D_K * D_K * M DK∗DK∗M
一次卷积加法运算次数为 D K ∗ D K ∗ M − 1 ( 27 个数相加做 26 次加法运算 ) D_K * D_K * M-1 \quad \textcolor{red}{(27个数相加做26次加法运算)} DK∗DK∗M−1(27个数相加做26次加法运算)
一共进行 D F ∗ D F ∗ N 次卷积运算 ( 输出 f e a t u r e m a p 大小为 D F ∗ D F ∗ N ) D_F * D_F*N \ 次卷积运算 \quad \textcolor{red}{(输出feature \ map大小为D_F * D_F*N)} DF∗DF∗N 次卷积运算(输出feature map大小为DF∗DF∗N)
乘加运算总次数 ( 2 ∗ D K ∗ D K ∗ M − 1 ) ∗ ( D F ∗ D F ∗ N ) (2*D_K * D_K * M-1)*(D_F * D_F*N) (2∗DK∗DK∗M−1)∗(DF∗DF∗N)
通常标准卷积的计算量只考虑乘法运算 D K ∗ D K ∗ M ∗ N ∗ D F ∗ D F D_K * D_K * M * N * D_F * D_F DK∗DK∗M∗N∗DF∗DF。
3.3 内存访问量MAC
输入 D K ∗ D K ∗ M D_K * D_K * M DK∗DK∗M
输出 D F ∗ D F ∗ N D_F * D_F * N DF∗DF∗N
权重 D K ∗ D K ∗ M ∗ N D_K * D_K * M * N DK∗DK∗M∗N
那么上述三项之和为MAC D K ∗ D K ∗ M D F ∗ D F ∗ N D K ∗ D K ∗ M ∗ N D_K * D_K * M D_F * D_F * N D_K * D_K * M * N DK∗DK∗MDF∗DF∗NDK∗DK∗M∗N
4. 全连接层 4.1 参数量
假设输入 C i C_i Ci 个神经元输出 C o C_o Co 个神经元。
如果考虑bias偏置项则参数量为 C i ∗ C o C o C_i * C_o C_o Ci∗CoCo
如果不考虑bias偏置项则参数量为 C i ∗ C o C_i * C_o Ci∗Co
4.2 计算量
假设输入 C i C_i Ci 个神经元输出 C o C_o Co 个神经元。
一个神经元乘法运算次数为 C i C_i Ci
一个神经元加法运算次数为 C o C_o Co
乘加运算总次数为 ( 2 ∗ C i − 1 ) ∗ C o (2*C_i - 1)*C_o (2∗Ci−1)∗Co
4.3 内存访问量MAC
输入 C i C_i Ci
输出 C o C_o Co
权重 C i ∗ C o C_i*C_o Ci∗Co
那么上述三项之和为MAC C i C o C i ∗ C o C_iC_oC_i*C_o CiCoCi∗Co
BN层
参数量KaTeX parse error: Undefined control sequence: \quat at position 7: 2*C_i \̲q̲u̲a̲t̲ ̲\textcolor{red}…
