pytorch 模型參數量 FLOPs統計方法

二、使用函式統計模型參數量：

安裝：pip install torchstat

torchstat github 原始碼頁面

例子：

from torchstat import stat

model = model(
)stat(model,(3
,1280
,1280
))

安裝：pip install ptflops

ptflops githhub原始碼頁面

例子：

import torchvision.models as models

import torch
from ptflops import get_model_complexity_info
with torch.cuda.device(0)
: net = models.densenet161(
) macs, params = get_model_complexity_info(net,(3
,224
,224
), as_strings=
true
, print_per_layer_stat=
true
, verbose=
true
)print
(' '
.format
('computational complexity: '
, macs)
)print
(' '
.format
('number of parameters: '
, params)
)

注意：使用第三方工具時， 網路中有些層可能會不支援計算。

計算模型參數量 與 可訓練參數量：

def

get_parameter_number
(model)
: total_num =
sum(p.numel(
)for p in model.parameters())
trainable_num =
sum(p.numel(
)for p in model.parameters(
)if p.requires_grad)
return
result = get_parameter_number(model)
print
(result[
'total'
],result[
'trainable'])
#列印參數量

檢視模型各層引數（Pytorch

這個實驗用到的資料集是mnist資料集，維度是1 28 28 import torch.nn as nn class cnn nn.module def init self super cnn,self init 卷積層 self.conv1 nn.sequential in channels 1,...

pytorch 模型部分引數的載入

如果對預訓練模型的結構進行了一些改動，在訓練的開始前希望載入未改動部分的引數，如將resnet18的第一層卷積層conv1的輸入由3通道改為6通道的new conv1，將分類層fc的1000類輸出改為2類輸出的new fc，注意 要改一下名字與原來的不同。匯入模型 mynet resnet 然後就載...

pytorch 模型部分引數的載入

如果對預訓練模型的結構進行了一些改動，在訓練的開始前希望載入未改動部分的引數，如將resnet18的第一層卷積層conv1的輸入由3通道改為6通道的new conv1，將分類層fc的1000類輸出改為2類輸出的new fc，注意 要改一下名字與原來的不同。匯入模型 mynet resnet18 然後...