最近想要計(jì)算模型的參數(shù)量和運(yùn)算量(FLOPs)，瀏覽了一些帖子，發(fā)現(xiàn)可以通過Python中的thop工具包來實(shí)現(xiàn)，但查到的資料中僅介紹了對(duì)一些簡單模型（例如Resnet50）的計(jì)算，而沒有考慮復(fù)雜模型的情況。研究了一番后找到了一個(gè)通過thop對(duì)復(fù)雜模型進(jìn)行計(jì)算的方法，雖然不知道是否準(zhǔn)確，但先進(jìn)行一下記錄。

1. 參數(shù)量計(jì)算（通過pytorch）

在正式介紹thop之前，先講一下torch的內(nèi)置方法。如果僅僅想要知道模型中參數(shù)的數(shù)量，那么無需安裝thop，通過調(diào)用torch內(nèi)置的一些方法就可以實(shí)現(xiàn)，代碼如下：

其中model是待計(jì)算模型的對(duì)象。

2.thop的安裝與計(jì)算簡單模型的參數(shù)

（1）安裝：通過pip安裝即可，命令如下

（2）簡單模型的參數(shù)量與FLOPs計(jì)算

上面的代碼摘自官方文檔。在調(diào)用thop工具包時(shí)，需要將模型的輸入作為參數(shù)傳入。在上面的代碼中，第4行就是隨機(jī)生成了一個(gè)模型的輸入，(1,3,224,224)是一個(gè)四維矩陣，其含義是batch size = 1，通道數(shù)為3，分辨率為224*224。

3.復(fù)雜模型的參數(shù)量與FLIPs計(jì)算

從上面的介紹可以發(fā)現(xiàn)，thop只能計(jì)算輸入為一個(gè)矩陣的模型的參數(shù)量和FLOPs，而我們實(shí)際想要計(jì)算的模型可能要復(fù)雜的多。例如我想要計(jì)算的一個(gè)模型需要接收五個(gè)矩陣作為輸入，調(diào)用模型的代碼為：

其中作為模型傳入?yún)?shù)的是五個(gè)矩陣，其尺寸為：

想要計(jì)算這樣一個(gè)模型的參數(shù)量和計(jì)算量，需要考慮一種新的方式。我在這里給出的方案是：構(gòu)建一個(gè)新的，接收單矩陣輸入的類。代碼如下：

可以看到，該類繼承自nn.Module，以確保該類可以被聲明為一個(gè)模型。接著在類的初始化函數(shù)中，將待計(jì)算模型的對(duì)象作為參數(shù)傳入，并賦值給self.model；在forward函數(shù)中，規(guī)定其必須接收一個(gè)參數(shù)（實(shí)際上我們并不會(huì)使用這個(gè)接收到的參數(shù)），并通過torch內(nèi)置的隨機(jī)函數(shù)產(chǎn)生需要形狀的張量（之所以特殊對(duì)待captions是因?yàn)閙odel要求該參數(shù)的元素為整型）。

最后，就可以進(jìn)行參數(shù)量和FLOPs的計(jì)算，代碼如下：

其中，第一行聲明Transformer類，并將其對(duì)象命名為model；

第二行聲明上面定義的func類，將model作為聲明類時(shí)的傳入?yún)?shù)；

第三行隨機(jī)生成一個(gè)矩陣

第四行調(diào)用thop中的profile方法對(duì)func類的參數(shù)量和運(yùn)算量進(jìn)行計(jì)算，實(shí)際上等價(jià)于對(duì)Transformer類的參數(shù)量和運(yùn)算量計(jì)算。

（完）