【论文】参数量Parameters和每秒浮点运算次数FLOPs的单位是多少？答：Params/M，FLOPs/G

2024-07-04 13:47| 来源: 网络整理| 查看: 265

目录更新 2024-04-071. 使用thop库打印参数量、计算量2. 标准图例3. 可能有用的YOLO系列模型汇总4. 暂存梯度计算量gradients与参数量的关系

更新 2024-04-07

最近写大论文，对实验参数又有了理解，特来更正一下

下图是我常用的表头，可供参考(因为是中文硕士论文，所以就写成了模型，英文论文的话可以写成Model)：

在这里插入图片描述

对于我来说，一直拿不准的单位就是参数量(Params)和计算量(FLOPs)。根据看的文献、博客、个人理解，最终确认应该使用图上的M和G单位，分别表示量级单位 1 0 6 10^6 106和 1 0 9 10^9 109。可详见这篇博文：深度学习-参数量&模型大小&理论计算量

在这里插入图片描述

我的理解是：实际数据=表格数字×单位

例如下图，Params和FLOPs只是参数量和计算量的代称并不是单位，单位是/后面的内容。那如图所示我的参数量就是6.23M，带上单位的意思就是有 6.23 × 1 0 6 6.23×10^6 6.23×106个参数；计算量就是13.9G，带上单位的意思就是 13.9 × 1 0 9 13.9×10^9 13.9×109个计算

在这里插入图片描述

1. 使用thop库打印参数量、计算量神经网络的计算量(FLOPs)、参数量(Params)、推理时间（FPS）的定义及实现方法

重点参考这个部分：

但是，我认为他的换算方式有误，换算方式应该是：

对于参数量Parameters，统计个数之后，换算成M的含义是million百万，因此换算应该是 1 M = 1 0 6 1M=10^6 1M=106（在代码中 1 0 6 10^6 106通常写成1e6）👉参考链接：数量单位B和M代表多少?对于每秒浮点运算次数FLOPs，换算成GFLIPs的方式是 G F L O P s = 1 0 9 F L O P s GFLOPs=10^9 FLOPs GFLOPs=109FLOPs（在代码中 1 0 9 10^9 109通常写成1e9）👉参考链接：FLOPS每秒浮点运算次数计算公式 import torch import torchvision from thop import profile print('==> Building model..') model = torchvision.models.alexnet(pretrained=False).cuda() # 如果就把cuda()去掉试试 input = torch.randn(1, 3, 224, 224).cuda() # 如果就把cuda()去掉试试 flops, params = profile(model, (input,)) print('GFLOPs: %.2f B, params: %.2f M' % (flops / 1e9, params / 1e6))

在这里插入图片描述

2. 标准图例

在这里插入图片描述

3. 可能有用的YOLO系列模型汇总 YOLO系列模型，yolov3-yolov7全方位对比实验参照，包括参数量Params，计算量GFLOPs，复杂度，mAP以及FPS等参照

在这里插入图片描述

4. 暂存梯度计算量gradients与参数量的关系

图中的话忘记是在哪里看到的了，感觉很有道理的样子hhh~

在这里插入图片描述

【本文地址】

公司简介

联系我们