pytorch计算模型的参数量及FLOPs

最新推荐文章于 2025-02-27 16:41:53 发布

huahuahuahhhh

最新推荐文章于 2025-02-27 16:41:53 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

分类专栏： # Pytorch 文章标签： pytorch 深度学习模型参数量模型计算量

本文链接：https://blog.csdn.net/Blankit1/article/details/124751652

Pytorch 专栏收录该内容

14 篇文章

订阅专栏

本文介绍了使用thop包的profile方法和torchsummaryX的summary方法来计算ResNet50模型的参数量和计算量。thop结果显示参数量为25.56M，FLOPs为4111514624.00，而summary方法除了提供参数量和计算量外，还展示了每一层的详细信息。尽管两者计算结果略有差异，但都可用于理解和优化模型的复杂性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

方法一：使用thop包的profile方法

import torch
from thop import profile
from torchvision import models
model = models.resnet50(pretrained=False)
img = torch.zeros((1, 3, image_height, image_width))
flops, params = profile(model, inputs=(img,), verbose=False)

resnet50的输出结果

thop result  Params: 25.56M, Gflops: 4111514624.00

方法二：使用torchsummaryX的summary方法

import torch
from torchsummaryX import summary
from torchvision import models
model = models.resnet50(pretrained=False)
img = torch.zeros((1, 3, stride, stride), device=next(model.parameters()).device)
summary(model,img)