MACs 和 FLOPs 有什么区别?如何计算?
一、MACs 和 FLOPs 有什么区别?
FLOPs is abbreviation of floating operations which includes mul / add / div … etc.
MACs stands for multiply–accumulate operation that performs a <- a + (b x c).12
二、如何计算?
安装thop
pip install thop
pytorch使用thop:3
from torchvision.models import resnet50
from thop import profile
model = resnet50()
input = torch.randn(1, 3, 224, 224)
macs, params = profile(model, inputs=(input, ))
三、MACs 和 FLOPs的关系
粗略的:4,1,5
FLOPs = 2 * MACs
https://github.com/Lyken17/pytorch-OpCounter/tree/master/benchmark#macs-flops-what-is-the-difference ↩︎ ↩︎
https://github.com/Lyken17/pytorch-OpCounter/issues/46 ↩︎
https://github.com/Lyken17/pytorch-OpCounter ↩︎
https://zhuanlan.zhihu.com/p/364543528 ↩︎
https://github.com/sovrasov/flops-counter.pytorch/issues/16 ↩︎
MACs 和 FLOPs 有什么区别?如何计算?相关推荐
- MACs和FLOPs
目录 FLOPs MACs 关系 使用 全连接层 卷积层 深度分离卷积 池化层 全局池化(常用): 一般池化(不常用): 激活层 ReLU/PReLU/ELU Sigmoid FLOPs Floati ...
- 深度学习中的FLOPs是什么?如何计算的?
1.区分FLOPs和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 ...
- FLOPs与FLOPS的区别
文章目录 1.区别 2. 计算方式 4.相关链接 1.区别 FLOPS 的全称是floating point of per second,它的意思是指每秒浮点运算次数.用来衡量硬件的性能. FLOPs ...
- FLOPS, FLOPs and MACs
FLOPS: Floating Point Operations Per Second, 每秒浮点运算次数,是一个衡量硬件速度的指标 FLOPs: Floating Point Operations, ...
- CNN 模型的参数(parameters)数量和浮点运算数量(FLOPs)是怎么计算的
文章目录: 1 模型参数(parameters)的个数 1.1 模型参数介绍 1.2 常见网络的模型参数个数 1.2 举例如何计算神经网络模型参数 2 FLOPS:每秒浮点运算次数 2.1 `FLOP ...
- PyTorch中FLOPs计算问题
最近看了很多关于FLOPs计算的实现方法,也自己尝试了一些方法,发现最好用的还是PyTorch中的thop库(代码如下): device = torch.device("cuda" ...
- ONNX模型tensor shapes inference和Flops统计工具
基本应用 onnx提供的shape_inference的结果经常不完整, 比如这个ssd-12.onnx(models/ssd-12.onnx at main · onnx/models · GitH ...
- 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
目录 1. 定义 2. 实现方法 2.1. 计算参数量 2.2. 计算参数量和FLOPs 2.3. 计算推理时间(FPS) 3. 数据大小对参数量和FLOPs的影响 4. 参数量和FLOPs对于硬件要 ...
- cnn中关于FLOPS的理解及计算
相关概念 FLOPS:注意全大写,是floating point operations per second的缩写,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. FLOPs:注意s小 ...
最新文章
- 网址服务器地址修改,网址服务器地址修改
- qt可视化数据展板_Qt 2D数据可视化之QCharts
- Python 3基础教程32-正则
- 2.2基本算法之递归和自调用函数_一文学会递归解题
- Android笔记 - android studio导入源码
- 不等距双杆模型_搜索中的深度匹配模型(下)
- WinDBG脚本入门
- java 快速排序_面试必不可少的几大排序算法,你掌握了吗?
- hive sql 怎么实现循环_shell中循环调用hive sql 脚本的方法
- asp.net 无法访问已关闭的资源集
- php程序员工具箱v0.6,php程序员工具箱官方版
- php怎么查看当前地址,php二分法在IP地址查询中的应用
- 顺势腹式呼吸还是逆势
- 九阴真经战无不胜服务器位置,九阴真经新服“战无不胜”
- Mac (M1) 软件及环境搭建
- dotnet OpenXML 读取 PPT 主序列进入退出强调动画
- 图形测试分析毫无头绪?HarmonyOS图形栈测试技术帮你解决
- Uniapp中onShow()的应用
- SpreadJS 纯前端表格控件应用案例:畅捷通财务T-UFO报表
- 丰田汽车公司中与冲压模具设计制造有关的部门主要有两个
热门文章
- https://developer.apple.com 苹果开发者
- 运动会管理系统c语言n-s流程图,设计一个运动会管理系统.ppt
- 面向对象发牌程序python_大话python面向对象
- java 设置xmlns xsi_以Spring Bean配置文件为例解释 xmlns,xmlns:xsi,xsi:schemaLocation
- 读书笔记 ——《系统程序员成长计划》篇3:双链表
- JavaScript(JS基础)
- 手把手教你如何在Windows PC的VirtualBox上安装macOS 10.15 Catalina系统
- oracle 当前top sql,Oracle top 查询TOP SQL
- ar数字展厅互动设计的功能及优势
- 微信网页分享给朋友和朋友圈