神经网络中参数量parameters和FLOPs计算
一.神经网络中参数量parameters和FLOPs计算
- CNN中的parameters分为两种:W和b,对于某一个卷积层,它的parameters的个数为:
(Kh∗Kw∗Cin)∗Cout+Cout\left(K_{h} * K_{w} * C_{i n}\right) * C_{o u t}+C_{o u t} (Kh∗Kw∗Cin)∗Cout+Cout
其中,KhK_{h}Kh是卷积核的高度,KwK_{w}Kw是卷积核的宽度,CinC_{in}Cin是输入的通道数,CoutC_{out}Cout是输出的通道数 - 对于某个全连接层,如果输入的数据有NinN_{in}Nin个节点,输出的数据有NoutN_{out}Nout个节点,它的参数个数为:
Nin∗Nout+NoutN_{i n} * N_{o u t}+N_{o u t}Nin∗Nout+Nout - FLOPs:全称是floating point operations per second,指的是每秒浮点运算次数,即用来衡量硬件的计算性能
- 对于某个卷积层,它的FLOPs数量是:
[(Kh∗Kw∗Cin)∗Cout+Cout]∗(H∗W)=num−params∗(H∗W)\left[\left(K_{h} * K_{w} * C_{i n}\right) * C_{o u t}+C_{o u t}\right] *(H * W)=n u m_{-} \operatorname{params} *(H * W)[(Kh∗Kw∗Cin)∗Cout+Cout]∗(H∗W)=num−params∗(H∗W)
其中,numparamsnum_{params}numparams表示该层参数的数量,H是输出图片的高,W是输出图片的宽 - 例题1:假设你的输入是一个300×300的彩色(RGB)图像,而你没有使用卷积神经网络。 如果第一个隐藏层有100个神经元,每个神经元与输入层进行全连接,那么这个隐藏层有多少个参数(包括偏置参数)?
- A1:因为输入的节点数量是300*300*3,输出的节点数量是100。然后加上偏置项b,因为隐藏层有100个节点,每个节点都有一个偏置,所以b=100。利用上面计算全连接网络的公式,故3*300*300*100+100
- 例题2:假设你的输入是300×300彩色(RGB)图像,并且你使用卷积层和100个过滤器,每个过滤器都是5×5的大小,请问这个隐藏层有多少个参数(包括偏置参数)?
- A2:首先,参数和输入的图片大小是没有关系的,无论你给的图像像素有多大,参数值都是不变的,在这个题中,参数值只与过滤器有关。单个过滤器的大小是5*5,由于输入的是RGB图像,所以输入通道数目是3。因此一个过滤器的组成是5*5*3,每一过滤器只有一个偏置项b,因此一个过滤器所拥有的参数是5*5*3+1=76,一共用了100个过滤器,所以隐藏层含有76*100=7600个参数。其实,也就是上面的公式计算CNN的参数量。
二、参考博客
参考博客
神经网络中参数量parameters和FLOPs计算相关推荐
- 计算卷积神经网络中参数量
参考 卷积神经网络的参数包含:卷积层的权重和偏置,全连接层的权重和偏置 全连接层参数量 在计算参数量前,先了解卷积计算过程.如下图,给定的图像尺寸是32x32x3(高,宽,深度).对这张图像进行卷积, ...
- CNN中parameters和FLOPs计算
CNN中parameters和FLOPs计算 以AlexNet为例,先注意观察每层编注的通道数的变化. 1. 卷积网络的参数量的计算(parameters) CNN中的parameters分为两种:W ...
- 神经网络的参数量(Params)和计算量(FLOPs)
定义 参数量(Params) 参数量是指模型训练中需要训练的参数总数.用来衡量模型的大小(计算空间复杂度). 计算量(FLOPs) 浮点运算次数,理解为计算量(计算时间复杂度),可以用来衡量算法的复杂 ...
- 神经网络中参数数量的计算
详情请见: https://blog.csdn.net/qian99/article/details/79008053 https://www.cnblogs.com/touch-skyer/p/91 ...
- 神经网络学习小记录72——Parameters参数量、FLOPs浮点运算次数、FPS每秒传输帧数等计算量衡量指标解析
神经网络学习小记录72--Parameters参数量.FLOPs浮点运算次数.FPS每秒传输帧数等计算量衡量指标解析 学习前言 网络的运算时组成 我们要关注网络的什么指标 1.Parameters参数 ...
- 【深度学习】深度学习中模型计算量(FLOPs)和参数量(Params)等的理解以及四种在python应用的计算方法总结
接下来要分别概述以下内容: 1 首先什么是参数量,什么是计算量 2 如何计算 参数量,如何统计 计算量 3 换算参数量,把他换算成我们常用的单位,比如:mb 4 对于各个经典网络,论述他们是计算量大还 ...
- 神经网络的计算量(FLOPs)、参数量(Params)、推理时间(FPS)的定义及实现方法
目录 1. 定义 2. 实现方法 2.1. 计算参数量 2.2. 计算参数量和FLOPs 2.3. 计算推理时间(FPS) 3. 数据大小对参数量和FLOPs的影响 4. 参数量和FLOPs对于硬件要 ...
- 6种方法计算神经网络参数量Params、计算量FLOPs、Macs简单代码
方法1:统计模型参数量 total = sum([param.nelement() for param in model.parameters()]) print("Number of pa ...
- 网络模型的参数量和FLOPs的计算 Pytorch
目录 1.torchstat 2.thop 3.fvcore 4.flops_counter 5.自定义统计函数 FLOPS和FLOPs的区别: FLOPS:注意全大写,是floating point ...
最新文章
- 小米快传文件服务器怎么用,手机中的小米快传怎么用?小米快传的详细使用教程...
- Matlab非线性方程求解
- Java集合框架:Arrays工具类
- java web 全局_JavaWeb - 【Listener】初始化全局资源
- C#中的串口通信SerialPort
- HTML5中的audio在手机端和微信端的不能自动播放
- springboot spring-cloud spring-cloud nacos 整合模板
- MySQL高可用--MGR入门(2)组复制监控常用相关表
- zend studio 10.6.2破解和汉化
- vscode快速打开html页面_VSCode安装和测试
- Office 2019 正式版 下載
- 软件测试面试必问的10个问题
- Maven的作用通俗介绍
- 【Fate/kaleid liner 魔法少女☆伊莉雅】系列中实践的、新世代的动画摄影工作流...
- 程序员“真实”日常:每天敲代码不到 1 小时
- The Flee Plan of Groundhog(DFS)
- android停止蓝牙音乐服务,蓝牙音乐播放状态一直为暂停态
- iOS iPhone设备判断大全,包含X系列和11
- STM32F103ZE工程移植到STM32F107VC上软件调试时死循环在while((RCC-CR RCC_CR_PLL2RDY) == 0) { }
- APK Image Extractor(安卓APK图像提取) v2.0