Tensorflow2.0 评价模型复杂度：参数量、FLOPs 和 MACC 计算

最新推荐文章于 2025-07-30 15:29:18 发布
最新推荐文章于 2025-07-30 15:29:18 发布
阅读量6.2k 收藏 11
点赞数 7
CC 4.0 BY-SA版权
分类专栏： 深度学习 PHM项目实战--建模篇 文章标签： tensorflow 深度学习 卷积 python
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。
本文链接：https://blog.csdn.net/qq_36758914/article/details/107612351
本文介绍如何在Tensorflow2.0下评估深度学习模型的复杂度，涉及参数量、FLOPs和MACC的计算。以MobileNet V2为例，分别展示迁移学习网络和自编写的网络中如何提取和计算相关指标。通过查看网络结构，提取卷积层，并基于层的输出形状计算FLOPs和MACC。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

项目介绍

在论文写作时，我们经常会对所提出模型的复杂度进行分析，主要用到的评价指标包括参数量、FLOPs 和 MACC，它们的计算原理可以参考《卷积、可分离卷积的参数量、计算量与 MACC 的对比》一文，在此文章中，我们着重介绍如何在 Tensorflow2.0 中计算这些参数。

【注】由于迁移学习网络和自编写网络的命名规则不同，这里针对两种情况提供两段代码。

代码实现：对于迁移学习网络（复杂）

我们使用迁移学习到的 MobileNet V2 网络举例。

1、迁移学习不带分类层的简化版 MobileNet V2 网络

import tensorflow as tf

mobilev2 = tf.keras
了解本专栏 订阅专栏 解锁全文
(3)tesorflow 计算模型复杂度
安静到无声
04-30 1890
1. 计算模型复杂度的衡量 FLOPS（即“每秒浮点运算次数”，“每秒峰值速度”），是“每秒所执行的浮点运算次数”（floating-point operations per second）的缩写。它常被用来估算电脑的执行效能，尤其是在使用到大量浮点运算的科学计算领域中。正因为FLOPS字尾的那个S，代表秒，而不是复数，所以不能省略掉。 FLOPs ：s为小写，指浮点运算数，理解为计算量。可以用...
计算机视觉模型优化技巧：如何提升推理速度3倍以上
AI天才研究院
05-13 937
移动端设备（手机/嵌入式芯片）算力有限，需在100ms内完成高清图像推理数据中心需支持万级并发，单模型推理延迟需控制在50ms以下无人机/机器人等实时系统要求亚毫秒级响应本文聚焦模型推理速度优化轻量级网络架构设计（如MobileNet/ShuffleNet）模型压缩技术（剪枝、量化、知识蒸馏）硬件加速与推理引擎优化（TensorRT/NCNN/MNN）计算图优化与内存管理策略章节核心内容2-3章解析推理速度关键影响因素，建立计算量/内存/并行化的数学模型4-5章。
用tensorflow计算模型复杂度(浮点计算量，FLOPｓ)
热门推荐
qq_34570910的博客
07-10 1万+
1.应用模型说明 首先明确模型的计算量一般是衡量冻结模型(.pd)的，.ckpt在权重和偏置按照高斯分布初始化时一般计算量要大于冻结模型，所以我们要首生成模型的冻结文件(.pd)。 2.计算复杂度衡量标准 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：注意s...
tensorflow2.0+ 计算模型Flops方法
li1784151928的博客
02-07 1579
【代码】tensorflow2.0+ 计算模型Flops方法。
算法小白的第一次尝试----tensorflow2.0 CNN参数计算（图文解析CNN）
Java_Man_China的博客
04-27 2586
直接截图jupyter上数据 x_train输入为32323，三通道RGB 自定义model类 CNN主要采用了CBAPD模式，即卷积层、BN层、激活层、池化层、dropout层，然后输入全连接网络 模型训练 模型输出参数统计：（具体参数值可以通过model.trainable_variables 去输出打印） 重点来了： conv2d -------> param # 456 fi...
tensorflow2计算flops
weixin_44218513的博客
02-23 720
TensorFlow2计算flops无需第三方库
AI模型优化策略大揭秘，AI应用架构师不容错过
最新发布
AI天才研究院
07-30 604
对于AI应用架构师而言，将实验室中的高精度模型部署到生产环境，面临着算力瓶颈、延迟约束、资源限制三大核心挑战。模型优化并非简单的“压缩”或“加速”，而是一套从理论推导到工程实现的全栈体系——需要平衡精度、延迟、内存占用的三角关系，结合硬件特性选择优化策略，并构建自动化 pipeline 应对动态需求。本文从第一性原理出发，拆解模型优化的底层逻辑；通过数学形式化与架构设计，明确优化策略的选择依据；结合生产级代码示例与案例研究，阐述剪枝、量化、蒸馏、NAS等技术的实现细节；最后探讨安全伦理与未来趋势。
ShuffleNetV2:设计轻量化卷积神经网络的理论准则和应用实现
冲出仁川，走出马德里，故事还会再继续
08-19 629
目前，神经网络架构设计主要由计算复杂度的间接度量，即 FLOPs 指导。然而，直接指标（例如速度）还取决于其他因素，例如内存访问成本和平台特性。因此，这项工作建议评估目标平台上的直接指标，而不仅仅是考虑 FLOP。基于一系列受控实验，这项工作得出了几个有效网络设计的实用指南。因此，提出了一种新的架构，称为 ShuffleNet V2。全面的消融实验验证了我们的模型在速度和准确性的权衡方面是最先进的。
探索AI原生应用模型量化的前沿创新技术领域
小程序开发
07-28 917
模型量化本质上是一个精度-效率平衡表示精度损失核心矛盾：低精度表示无法精确编码原始浮点参数，导致信息损失非线性敏感：激活函数（如ReLU、Sigmoid）输出范围变化大，量化难度高于权重异常值影响：神经网络中少量异常值（outliers）会严重降低量化精度计算架构适配硬件支持：不同硬件平台对低精度计算的支持程度差异显著数据流向：量化改变内存访问模式，需重新优化数据布局和缓存策略混合精度协调：不同层、不同操作可能需要不同精度，增加系统复杂度训练与推理协同。
计算模型参数量
努力奋斗
06-23 897
计算模型参数量
【PKU-TensorFlow】复杂度、学习率
SuperSources的博客
01-19 240
神经网络的复杂度 NN复杂度：多用NN层数和NN参数的个数表示 空间复杂度 层数=隐藏层的层数+1个输出层 总参数= 总w + 总b 时间复杂度 乘加运算的总次数
Tensorflow1.x下计算模型FLOPs
orangeboss的博客
07-26 1018
介绍了Tensorflow1.15.0版本下模型参数量和FLOPs的计算方法。
Tensorflow2.0干货教程 【环境搭建篇-Mac版本】
jjc120074203的博客
06-07 934
Tensorflow2.0干货教程🔥 【MacOS环境搭建篇】
TensorFlow 2.0 保存模型结构和参数
西檬饭
02-08 4252
笔记摘自《Google老师亲授 TensorFlow2.0 入门到进阶_课程》 模型和参数保存 直接修改callback的参数列表，9-2。 使用tf.SavedModel()保存模型 使用!saved_model_cli show --dir 路径 --all查看保存内容，可以看到关于输入和输出的签名信息。 使用命令行验证模型保存是否正确： !saved_model_cli run--dir 路径 --tag_set serve --signature_def servin...
Tensorflow从模型文件中统计可以训练的参数的数目
TH_NUM的博客
08-07 927
#coding=utf-8 from tensorflow.python import pywrap_tensorflow import os import tensorflow as tf flags = tf.app.flags flags.DEFINE_string('model_path', "20200807195150/", "the export model path") FLAGS = flags.FLAGS ckpt = tf.train.get_checkpoint_st
pytorch和tensorflow关于神经网络的参数量估计和运算量估计（Parameters和FLOPs）
TheTopMing的博客
02-17 1699
这里写自定义目录标题浮点运算数估计和参数量估计PytorchTensorflow总结 浮点运算数估计和参数量估计 简单地记录一下关于神经网络参数估计和计算量估计的心得。 Pytorch Pytorch没有tensorflow那么繁琐，这里推荐使用Thop包来进行计算。下面是一个例子： from thop import profile from importlib import import_module MODEL = import_module(args.model) model = MODEL.Net
ShuffleNet V2 网络结构的原理与 Tensorflow2.0 实现
cocofisher的博客
06-28 3038
ShuffleNet V2 网络结构的原理与 Tensorflow2.0 实现
2、TensorFlow 的计算模型、运行模型、数据模型
Man
11-26 3460
一、TensorFlow 简介 1. TensorFlow 的定义 Tensor（张量）意味着 N 维数组，Flow（流）意味着基于数据流图的计算，TensorFlow 代表着张量在图中通过运算(op)进行传递和变换 2. TensorFlow 的工作模式 TensorFlow 使用图(Graphs)来表示计算任务，图中的节点称之为 op(Operation)
tensorflow 模型浮点数计算量和参数量估计
ZhaoDongyu_AK47的博客
09-16 4790
文章目录写在前面的话计算量、参数量实验统计模型的内存、耗时情况 写在前面的话 之前在pytorch统计参数量和计算量用stat非常的方便，现在转到tensorflow后发现tensorflow的参数量和计算量的统计相对来说就没那么方便了。 在网上也搜了一些相关教程，发现用profiler来进行统计是最方便的。 本文参考了：tensorflow 模型浮点数计算量和参数量估计和TensorFlow程序分析（profile）实战，他们都整理的都非常好，我在这里重新整理一遍方便自己看。 计算量、参数量实验 stat
TensorFlow2.0计算flops
05-23
可以使用TensorFlow2.0内置的tf.profiler模块来计算FLOPS。以下是一个简单的示例代码： ```python import tensorflow as tf # 构建模型 model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(32, (3, 3)...
评论 4
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

打赏作者

cofisher

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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