计算VGG16的参数量
目录
参数量parameters计算公式：
计算量(浮点运算数)FLOPs计算公式
MAC内存访问代价
VGG16的参数量、Memory、计算量
参数量parameters计算公式：
参数量 = filte长 * filter宽 *fiter通道深度(输入通道数) *filter个数(输出通道数) + filter个数(输出通道数) + filter个数 =w*h*c*n + n
计算量(浮点运算数)FLOPs计算公式
FLOPs首先注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。
有另外一个概念和这个FLOPs写法很相似但不是一个东西，即FLOPS，注意全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。
卷积乘法操作数：
卷积加法操作数：
偏置加法操作数：
总操作数Madd:次乘加操作。
但是一般FLOPs只算乘法，因此就是，分别对应输出通道数、输出形状高和宽、输入通道数、卷积核大小
MAC内存访问代价
读取输入图：
写入输入图：
权重存储：对应parameters
VGG16的参数量、Memory、计算量
- 其中第B列包含蓝色和红色的四个数值分别为卷积核的通道数、宽、高、核个数即C、W、H、N
- 第C列可以看到参数量为138M parameters，保存到磁盘成模型文件需要乘以4bytes。
- 第E列为一次向前传播占用的内存15M*4bytes=60MB / image(卷积的时候是float32的格式因此需要乘以4bytes，加上反向需要乘以2)
- 第G列为计算量。
计算VGG16的参数量相关推荐
- 以VGG为例，分析深度网络的计算量和参数量
本文原载于https://imlogm.github.io,转载请注明出处~ 摘要:我第一次读到ResNet时,完全不敢相信152层的残差网络,竟然在时间复杂度(计算量)上和16层的VGG是一样大的. ...
- 神经网络计算量及参数量
目录 前言 卷积 全连接 资料引用 前言 笔者基于以下学习材料进行整理 ①<Deeplearning.ai深度学习教程中文笔记>-作者: 吴恩达 - https://github.com/ ...
- 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+Cou ...
- 以LeNet为例分析CNN中的参数量
CNN最重要的两点:局部连接和权值共享 局部连接:神经元和上层部分神经元相连接 权值共享:基于局部连接,在每个神经元和上层部分神经元之间权值是共享的,也就是说对于一个神经元,和它相连的所有上层神经元之 ...
- pytorch计算模型参数量
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.c ...
- 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, ...
- 模型计算量(FLOPs)和参数量(Params)的理解
(1)换算 以alexnet为例: 参数量:6000万 设每个参数都是float,也就是一个参数是4字节, 总的字节数是24000万字节 24000万字节= 24000万/1024/1024=228m ...
- 【YOLOv5-6.x】模型参数量param及计算量FLOPs解析
文章目录 前言 参数量param和计算量FLOPs简介 参数量 计算量 YOLOv5计算模型参数 训练和验证输出模型参数不同的原因分析 输出模型参数结果(以YOLOv5s-coco2017为例) 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 ...
最新文章
- 有时间担心中年危机，还不如用忧虑的时间来提升自己——再论程序员该如何避免所谓的中年危机...
- mac下安装配置mongodb
- JavaScript 自执行函数剖析
- Flex 最全的换行 制表符 回车 空格 特殊符号
- iframe关闭当前窗口_iframe 、 a标签、input标签
- Ubuntu21.04设置国内镜像源
- 一个很酷的SilverLight例子
- 使用PyTorch搭建ResNet101、ResNet152网络
- python django面试题_django面试题(21道)
- 日本警方称地震造成3676人死亡7843人下落不明
- 大数据必学Java基础（五）：第一段程序
- 【Linux】/etc/issue、/etc/issue.net和/etc/motd的区别
- [DOS教程----读书笔记]命令全集
- 浅谈大数据之足球盘口赔率水位分析的思路与神准预测技巧（一）
- 严蔚敏数据结构习题第九章
- 求职简历模板百度云网盘分享
- html分享qq好友app接口,iOS-QQ分享功能实现
- H264编码器12( H264基本原理 --图文表达很清晰)
- 典型CCN网络——efficientNet（2019-Google-已开源）
- js实现兼容ie浏览器的菜单点击效果