3.获得FLOPs(每秒浮点数)和参数数量(实验性的) 我们提供了一个改写自flops-counter.pytorch的脚本,来计算所给模型的FLOPS和参数量。代码如下: python tools/get_flops.py ${CONFIG_FILE} [–shape ${INPUT_SHAPE}] 你将得到类似于下面的结果: Input shape: (3, 1280, 800) Flops: 239.32 GMac Params: 37....
您可以通过修改添加对新运算符的支持mmdet/utils/flops_counter.py。(3)两级检测器的FLOP取决于提议的数量。 压缩一个模型—publish_model.py压缩模型 在将模型上载到AWS之前,您可能需要(1)将模型权重转换为CPU张量,(2)删除优化器状态,(3)计算检查点文件的哈希并将哈希ID附加到文件名中。 python tools/...
模型复杂度计算 这个官方文档就有python tools/analysis_tools/get_flops.py ${CONFIG_FILE} [--shape ${INPUT_SHAPE}]得到结果如下: === Input shape: (3, 1280, 800) Flops: 239.32 GFLOPs Params: 37.74 M === 1. 2. 3. 4. 5. 对输出图像的处理 mmdetection检测或者预览的图像都是在image.py里...
关于参数量与flops的计算可以使用tools/analysis_tools/get_flops.py,这里就不再赘述了。
python tools/analysis_tools/get_flops.py \ ${CONFIG_FILE} [--shape ${INPUT_SHAPE}] 命令参数: config_file:模型配置文件的路径 --shape:输入图像尺寸,默认值为1280 800 示例: python tools/analysis_tools/get_flops.py \ configs/myconfig/faster_rcnn_r50_fpn_1x_mydataset.py \ ...
python tools/get_flops.py ${CONFIG_FILE} [--shape ${INPUT_SHAPE}]你将得到这样的结果。===Input shape: (3, 1280, 800)Flops: 239.32 GMacParams: 37.74 M===注意：此工具仍处于试验阶段,我们不保证该数字正确。你可以将结果用于简单比较,但是在将其用于技术报告或论文之前,请仔细检查。(1)FLOP与...
FLOPS与输入图像的代销相关,然而模型参数没有关系,默认的输入尺寸是(1, 3, 1280, 800) 一些自定义的操作例如GN等没有算在FLOPS中。更多信息参考mmcv.cnn.get_model_complexity_info() 两步法的FLOPS依赖于proposal的数目。 5. 模型转换 5.1 mmdetection模型转换为ONNX(实验阶段) mmdetection提供了一个脚本将模型转...
我们提供了一个根据 flops-counter.pytorch ( https://github.com/sovrasov/flops-counter.pytorch )改编的脚本,用于计算给定模型的FLOP和参数。 python tools/get_flops.py ${CONFIG_FILE} [--shape ${INPUT_SHAPE}] 你将得到这样的结果。 === Input shape: (3, 1280, 800) Flops: 239.32 GMac Params:...
mmdet3d中提供了 tools/analysis_tools/get_flops.py 脚本来计算一个模型的计算量 (FLOPS) 和参数量 (params),具体是通过 mmcv.cnn.get_model_complexity_info() 这个函数来计算得到的。 测试PointPillars模型 python tools/analysis_tools/get_flops.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti...
x=self.neck(x)returnxdefforward_dummy(self, img):"""Used for computing network flops. See `mmdetection/tools/get_flops.py`"""outs=()#backbonex =self.extract_feat(img)#rpnifself.with_rpn: rpn_outs=self.rpn_head(x) outs= outs +(rpn_outs, ) ...