计算模型FLOPs和参数量（计算工具）

在pytorch环境下，有两个计算FLOPs和参数量的包thop和ptflops，结果基本是一致的。

thop

参考https://github.com/Lyken17/pytorch-OpCounter

安装方法：pip install thop

使用方法：

from torchvision.models import resnet18
from thop import profile
model = resnet18()
input = torch.randn(1, 3, 224, 224) #模型输入的形状,batch_size=1
flops, params = profile(model, inputs=(input, ))
print(flops/1e9,params/1e6) #flops单位G，para单位M

用来测试3d resnet18的FLOPs：

model =C3D_Hash_Model(48)
input = torch.randn(1, 3,10, 112, 112) #视频取10帧
flops, params = profile(model, inputs=(input, ))
print(flops/1e9,params/1e6)

ptflops

参考https://github.com/sovrasov/flops-counter.pytorch

安装方法：pip install ptflops

或者 pip install git+https://github.com/sovrasov/flops-counter.pytorch.git

使用方法：

import torchvision.models as models
import torch
from ptflops import get_model_complexity_info

with torch.cuda.device(0):
  net = models.resnet18()
  flops, params = get_model_complexity_info(net, (3, 224, 224), as_strings=True, print_per_layer_stat=True) #不用写batch_size大小，默认batch_size=1 		            
  print('Flops:  ' + flops)
  print('Params: ' + params)

用来测试3d resnet18的FLOPs：

import torch
from ptflops.flops_counter import get_model_complexity_info
with torch.cuda.device(0):
    net = C3D_Hash_Model(48)
    flops, params = get_model_complexity_info(net, (3,10, 112, 112), as_strings=True, print_per_layer_stat=True)
    print('Flops:  ' + flops)
    print('Params: ' + params)

如果安装ptflops出问题，可以直接到https://github.com/sovrasov/flops-counter.pytorch.git下载代码，然后直接把目录ptflops复制到项目代码中，通过from ptflops.flops_counter import get_model_complexity_info来调用函数计算FLOPs。

python计时程序运行时间

（待补充！）

 

注：

本文内容转载自https://blog.csdn.net/weixin_41519463/article/details/102468868，在此感谢。如若转载，请备注原博客链接。