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

文章目录

  • 项目介绍
  • 代码实现:对于迁移学习网络(复杂)
    • 1、迁移学习不带分类层的简化版 MobileNet V2 网络
    • 2、查看网络结构
    • 3、提取需要分析的层
    • 4、计算 FLOPs 和 MACC
  • 代码实现:对于自编写网络(简单)
    • 1、导入网络
    • 2、查看网络结构
    • 3、提取需要分析的层
    • 4、计算 FLOPs 和 MACC

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《

你可能感兴趣的:(深度学习,PHM项目实战--建模篇,tensorflow,深度学习,卷积,python)