轻量级深度卷积模型的一些评价指标

轻量级深度卷积模型的一些评价指标

  • 1. FLOPs概念
  • 2. MAC概念
  • 3. 模型指标的测试demo
    • 3.1 测试demo
    • 3.2 测试结果

前言:
旨在分享一些轻量级深度学习模型的通用性指标评价概念和python实现,帮助大家理解也方便自己查阅。
这篇博客主要是对轻量级模型的一些指标概念阐述和pytorch的一个简单demo实现。


1. FLOPs概念

  • FLOPs:
    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。可以用来衡量模型的复杂度。针对神经网络模型的复杂度评价,应指的是FLOPs,而非FLOPS。
  • 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。比如nvidia官网上列举各个显卡的算力(Compute Capability)用的就是这个指标,如下图,不过图中是TeraFLOPS,前缀Tera表示量级:MM,2^12之意。
    1. 一些基本换算关系࿱

你可能感兴趣的:(计算机视觉,-,Opencv,强化学习等的,趣味小实验,深度学习,cnn)