极智AI | 输入图片BatchSize和分辨率对模型计算量和参数量的影响

极智视界

于 2023-10-27 14:42:58 发布

阅读量170

点赞数

CC 4.0 BY-SA版权

分类专栏：极智AI 文章标签：人工智能深度学习计算量参数量算力

本文链接：https://blog.csdn.net/weixin_42405819/article/details/134075911

极智AI 专栏收录该内容

175 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了输入图片的BatchSize和分辨率对深度学习模型计算量和参数量的影响。尽管模型的参数量与输入无关保持不变，计算量则与输入图片的大小和批次大小直接相关。通过使用thop、ptflops和pytorch_model_summary库，可以方便地统计模型的计算量和参数量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

欢迎关注我的公众号 [极智视界]，获取我的更多经验分享

大家好，我是极智视界，本文来介绍一下输入图片BatchSize和分辨率对模型计算量和参数量的影响。

邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码下载，链接：https://t.zsxq.com/0aiNxERDq

在深度学习中，模型参数量和计算量是两个重要的考量因素。模型参数量指的是模型中的参数数量，对应于数据结构中空间复杂度的概念。而计算量则对应于时间复杂度的概念，与网络执行时间的长短有关。计算量的衡量指标主要是 FLOPs，也即浮点运算次数。这里有个坑，一定要区分开 FLOPs 和 FLOPS 的概念，FLOPs 是指 Floating-point Operations，即浮点运算次数，可以用来描述模型的计算量或者模型的时间复杂度；而 FLOPS 是指 Floating-point Operations Per Second，即每秒执行的浮点运算次数，一般是用来衡量芯片算力的。一个是量、一个是速度，需要分辨清楚。

拿芯片的算力 FLOPS 来说，按照数量级的不同，又有 MFLOPS、GFLOPS、TFLOPS 等之分 (同理会有 MFLOPs、GFLOPs...)，然后如果是 int8/int4 量化的算力又有 TOPS 之类，如下