Pytorch中计算自己模型的FLOPs | thop.profile() 方法

最新推荐文章于 2026-07-07 16:14:05 发布
原创 最新推荐文章于 2026-07-07 16:14:05 发布 · 1.5k 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
python

当前文章被收录于：

python
25 篇文章 2 人学习

python

订阅专栏 查看详情
博客提及在Pytorch中可使用thop.profile()方法计算自己模型的FLOPs，涉及深度学习领域的模型计算相关内容。
标签
#pytorch #深度学习 #人工智能
别再手动算模型大小了！用thop.profile一键获取PyTorch模型的参数量和计算量（附ResNet50实测）
weixin_27419879的博客
05-03 180
本文详细介绍了如何使用thop.profile工具快速评估PyTorch模型的参数量和计算量，避免手动计算的繁琐与错误。通过ResNet50实测案例，展示了thop.profile在模型复杂度评估中的高效与精准，帮助开发者优化模型性能与资源占用。
Python实战：用thop库快速计算模型参数量(Params)和计算量(FLOPs)的保姆级教程
yy01234的博客
02-27 1075
本文提供了一份使用thop库计算深度学习模型参数量(Params)和计算量(FLOPs)的详细教程。文章从核心概念解析入手，逐步指导环境搭建、基础使用、进阶分析，并对比了不同视觉模型的复杂度。教程强调正确使用单位（如M和G）进行标准化报告，并指出需结合实际推理速度等指标进行综合评估，是模型效率分析与优化的实用指南。
在Pytorch中计算自己模型的FLOPs方式
12-23
https://github.com/Lyken17/pytorch-OpCounter 安装方法很简单： pip install thop 基本用法： from torchvision.models import resnet50from thop import profile model = resnet50() flops, params = profile(model, input_size=(1, 3, 224,224)) 对自己的module进行特别的计算： class YourModule(nn.Module): # your definition def count_yo
pytorch计算Parameter和FLOP
落地生根
05-05 7641
深度学习中，模型训练完后，查看模型的参数量和浮点计算量，在此记录下： 1 THOP 在pytorch中有现成的包thop用于计算参数数量和FLOP，使用方法如下： from torchvision.models import resnet50 # 引入ResNet50模型 from thop import profile model = resnet50() flops, params = p...
【thop.profile】thop.profile计算网络参数量和计算效率
向上生长的程序媛的博客
11-14 8897
通过thop计算神经网络参数量和运行效率
Pytorch中计算自己模型的FLOPs | thop.profile() 方法 | yolov5s 网络模型参数量、计算量统计
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
02-07 3万+
Pytorch中计算自己模型的FLOPs pytorch-OpCounter GitHub 主页： https://github.com/Lyken17/pytorch-OpCounter pip install thop 运行该项目评估代码 python benchmark/evaluate_famous_models.py 运行输出如下 Model Params(M) FLOPs(G)
【深度学习实战（21）】使用thop.profile计算模型的FLOPs和Params
m0_51579041的博客
04-23 1655
【深度学习实战（21）】使用thop.profile计算模型的FLOPs和Params
Pytorch模型参数量及复杂度计算
auto driving
07-25 390
Pytorch中计算自己模型的FLOPs | thop.profile() 方法 | yolov5s 网络模型参数量、计算量统计_墨理学AI的博客-CSDN博客
Pytorch: 采用thop库正确计算模型计算量FLOPs和模型参数Params 【误区更正】
weixin_42627397的博客
05-14 1万+
thop 计算flops和params 【重要误区更正】 要注意的是thop返回的第一个element不是FLOPs，而是Macs.而Macs实际上是FLOPs的两倍！！！ 上面这一点要尤其注意，现在百度上所查到的基本所有有关thop计算FLOPs的文章都是错误的！！！
【pytorch】使用stat、profile打印网络的参数量、Flops、MAdd、内存使用的情况
magic_ll的博客
12-27 1万+
pytorch获取网络的参数量、MAdd、Flops 安装工具：pip install torchstat 使用例子： import sys import torch import torch.nn as nn import numpy as np from thop import profile from torchstat import stat class Net(nn.Module): def __init__(self): super(Net, self).__ini
PyTorch thop 与 fvcore 库对比：ResNet-50 模型 FLOPs 计算误差 0.5% 实测
weixin_33716941的博客
07-07 441
本文深度对比了PyTorch生态中三大主流计算量评估工具thop、fvcore和torchstat在ResNet-50等模型上的FLOPs计算表现，实测结果显示fvcore的计算误差仅为0.5%，是论文复现和模型优化的理想选择。文章详细解析了GFLOPs计算的核心概念、工具差异及工程实践建议，为计算机视觉领域的开发者提供权威参考。
Pytorch中计算自己模型的FLOPs(profile(),clever_format())
java_pythons的博客
03-27 1970
Pytorch中计算自己模型的FLOPs(profile(),clever_format())
别再被教程坑了！用thop算PyTorch模型FLOPs的正确姿势（附Macs与FLOPs换算详解）
weixin_30369041的博客
03-29 492
本文详细解析了使用thop库计算PyTorch模型FLOPs的正确方法，揭示了中文教程中常见的Macs与FLOPs混淆问题。通过清晰的原理说明和实用代码示例，帮助开发者准确评估模型计算量，优化模型性能和部署决策。
如何用thop库快速计算你的PyTorch模型FLOPs？完整代码示例分享
weixin_29085865的博客
03-06 196
本文详细介绍了如何使用thop库快速计算PyTorch模型的FLOPs，并提供了完整的代码示例。文章阐述了FLOPs作为衡量模型计算复杂度的核心指标，比参数量更能直接反映推理开销。通过thop库的profile函数，开发者可以轻松评估模型的计算量，并学会处理自定义层、多输入等复杂场景，为模型优化和部署提供关键参考。
thop vs torchstat vs calflops：3款FLOPs计算库在ResNet-50上的结果差异分析
最新发布
weixin_30516243的博客
07-07 478
本文深入对比了thop、torchstat和calflops三款FLOPs计算库在ResNet-50上的表现差异，分析了它们的技术原理和适用场景。通过实测数据揭示各库在GFLOPs计算精度、算子支持度和计算效率等方面的优劣，为模型优化和硬件选型提供实用参考。文章还提供了代码示例和选型建议，帮助开发者根据需求选择最适合的FLOPs计算工具。
PyTorch-OpCounter深度解析：5大核心模块揭秘FLOPs计算原理
gitblog_01123的博客
12-28 987
PyTorch-OpCounter（THOP）是一个专门用于统计PyTorch模型MACs和FLOPs的开源工具库。在深度学习模型优化和性能评估中，准确计算模型的运算复杂度至关重要，而THOP正是为此而生的高效解决方案。 ## 🔍 项目架构概览 PyTorch-OpCounter采用模块化设计，主要包含以下核心目录： - **thop/vision/** - 视觉模型专用计算模块 - **
计算模型FLOPs和参数量（计算工具）
Charles5101的博客
08-08 5015
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)
如何用Pytorch计算模型参数量Params和计算量Flops查看框架结构等
热门推荐
如何心安理得的在老板眼皮下摸鱼
05-13 4万+
计算模型参数量 1.parameters法 通过遍历模型的parameters获取结构以及参数： model = 你自己的模型，eg:CNN() ResNet() SegNet().... params = list(model.parameters()) k = 0 for i in params: l = 1 print("该层的结构：" + str(list(i.size()))) for j in i.siz
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值