Pytorch中FLOPs和Params计算

一. 含义

1. FLOPs（计算量）：注意s小写，是floating point operations的缩写（这里的小s则表示复数），表示浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。
2. FLOPS（计算速度）：注意全大写，是floating point operations per second的缩写（这里的大S表示second秒），表示每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。
3. Params（参数量）：没有固定的名称，大小写均可，表示模型的参数量，也是用来衡量算法/模型的复杂度。通常我们在论文中见到的是这样：# Params，那个井号是表示 number of 的意思，因此 # Params 的意思就是：参数的数量。

二. 使用thop库计算FLOPs和Params

1. 安装

pip install thop

2. 使用
   使用thop库来计算vgg16模型的计算量和参数量：

import torch
from thop import profile
from archs.ViT_model import get_vit, ViT_Aes
from torchvision.models import resnet50model = resnet50()
input1 = torch.randn(1, 3, 224, 224) 
flops, params = profile(model, inputs=(input1, )) 
print('FLOPs = ' + str(flops/1000**3) + 'G')
print('Params = ' + str(params/1000**2) + 'M')

3. 结果

FLOPs = 16.534970368G
Params = 25.557032M

三. 注意

1. 计算FLOPs时batch_size维度只能为1。
2. 输入input的第一维度是批量(batch size)，批量的大小不会影响参数量， 计算量是batch_size=1的倍数
3. profile(net, (inputs,))的 (inputs,)中必须加上逗号，否则会报错
4. 当网络模型有多个输入时，使用profile(net, (inputs1, inputs2, inputs3,))

四. 相关链接

1. pytorch: 计算网络模型的计算量(FLOPs)和参数量(Params)
2. FLOPs、FLOPS、Params的含义及PyTorch中的计算方法