【常用】【测速】ptflops库---速度FPS、参数Params、计算复杂度Flops

一、常用名字

中文名字英文名字简称单位

模型参数量                 number of parameters.       param.                       (单位B M)
计算复杂度                 computational complexity MACs       (单位 GMac)
延迟/速度/每秒帧数 latency/speed/FPS            latency/speed/FPS   (单位s/FPS)

二、 ptflops库使用方法
工具地址:

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

1 安装 pip install ptflops

2 使用范例

3 分割算法上的使用范例

from ptflops import get_model_complexity_info  # todo 
import time   # todo 
 
 
class Test(object):
    def __init__(self, Dataset, Network, path):
        ## dataset
 
        self.cfg = Dataset.Config(datapath=path, snapshot='./out/model-45', mode='test')
 
        self.data = Dataset.Data(self.cfg)
        self.loader = DataLoader(self.data, batch_size=1, shuffle=False, num_workers=8)
        ## network
        self.net = Network(self.cfg)
        self.net.train(False)
        self.net.cuda()
 
        with torch.cuda.device(0):  # todo 1
            net = Network(self.cfg)
            macs, params = get_model_complexity_info(net, (3, 320, 320), as_strings=True, print_per_layer_stat=True, verbose=True)
            print('{:<30}  {:<8}'.format('Computational complexity: ', macs))
            print('{:<30}  {:<8}'.format('Number of parameters: ', params))

注意：计算复杂度MACs、模型参数Param跟输入图像尺寸无关，速度FPS跟图像尺寸有关
（320x320时是17.52， 224x224时是17.52)

关键代码：
get_model_complexity_info(net, (3, 320, 320), as_strings=True, print_per_layer_stat=True, verbose=True)
参数说明：
net是实力化代码
(3, 320, 320)是输入尺寸

输出结果展示：