免费微信网站制作,湖北网站设计流程,wordpress 4.1,备案网站主办者承诺书学习了博主的介绍#xff08;深度学习中的FLOPs介绍及计算(注意区分FLOPS)-CSDN博客#xff09;后#xff0c;对我不理解的内容做了一点补充。 链接放到下边啦
https://blog.csdn.net/qq_41834400/article/details/120283103 FLOPs#xff1a;注意s小写#xff0c;是floa… 学习了博主的介绍深度学习中的FLOPs介绍及计算(注意区分FLOPS)-CSDN博客后对我不理解的内容做了一点补充。 链接放到下边啦
https://blog.csdn.net/qq_41834400/article/details/120283103 FLOPs注意s小写是floating point operations的缩写s表复数意指浮点运算数理解为计算量。可以用来衡量算法/模型的复杂度。
1 全连接网络中FLOPs的计算 博主说的很详细了就不介绍了
2 解释一下CNN中FLOPs的计算中 我不理解的地方 生成输出特征图的一个通道的 一个像素点的计算过程 对于每个输入通道我们有次乘法 和 次加法。因此单个输入通道的计算次数为次乘法次加法
注意是卷积核和输入特征图对应元素相乘后 得到的个数把他们 对应相加的过程
总共的计算次数为
所有输入通道的计算次数
对于所有 个输入通道还需要将所有通道的结果相加形成输出的一个通道的特征图。因此每个输出像素点需要额外的 次加法。因此总的计算次数为 也就是博主提到的下边这个过程 若考虑到偏置可以看看卷积操作中偏置是怎么起作用的参考这个博主的
https://blog.csdn.net/qq_42103167/article/details/105056598?spm1001.2014.3001.5506 每个卷积核是和输入特征图的通道是一样的偏置是在输出特征图的每个像素点的卷积操作完成后比如三通道三次卷积操作后加上的。所以一次卷积操作偏置加1。
整个输出特征图的计算次数 所有输出通道的计算次数
由于有 个输出通道因此总的计算次数为
卷积层FLOPs的计算公式如下(不考虑bias时有-1有bias时没有-1): 感觉博主推荐的链接也不错 有空看看
(60 封私信 / 82 条消息) CNN 模型所需的计算力flops和参数parameters数量是怎么计算的 - 知乎 (zhihu.com)
分享一个FLOPs计算神器 - 简书 (jianshu.com)
我们可以发现具有相似的FLOPs的网络执行的速度却不一样。有的相差还挺大。 使用FLOP作为计算复杂度的唯一指标是不充分的。
为什么不能只用FLOPs作为指标呢 作者认为有如下几个原因 FLOPs没有考虑几个对速度有相当大影响的重要因素。 2计算平台的不同。 FLOPs没有考虑几个对速度有相当大影响的重要因素 MAC和并行度
链接https://www.jianshu.com/p/b1ceaa7effa8
CNN解说员 (poloclub.github.io)
