1.區分FLOPs和FLOPS
FLOPS:注意全大寫,是floating point operations per second的縮寫,意指每秒浮點運算次數,理解爲計算速度。是一個衡量硬件性能的指標。
FLOPs:注意s小寫,是floating point operations的縮寫(s表複數),意指浮點運算數,理解爲計算量。可以用來衡量算法/模型的複雜度。
注意在深度學習中,我們用的是FLOPs,也就是說計算量,即用來衡量算法/模型的複雜度。
2.計算方法
注:以下不考慮activation function的運算。
2.1 卷積層:
Ci=input channel,
k=kernel size,
H,W=output feature map size,
Co=output channel.
2是因爲一個MAC算2個operations。不考慮bias時有-1,有bias時沒有-1。
(注:這裏的MAC是乘加的意思,所以是兩個operation)
上面針對一個input feature map,沒考慮batch size。
理解上面這個公式分兩步,括號內是第一步,計算出output feature map的一個pixel,然後再乘以HWCo拓展到整個output feature map。括號內的部分又可以分爲兩步,
第一項是乘法運算數,第二項是加法運算數,因爲n個數相加,要加n-1次,所以不考慮bias,會有一個-1,如果考慮bias,剛好中和掉,括號內變爲
2.2 全聯接層:
I=input neuron numbers, O=output neuron numbers.
2是因爲一個MAC算2個operations。
不考慮bias時有-1,有bias時沒有-1。
分析同理,括號內是一個輸出神經元的計算量,拓展到O了輸出神經元。