pytorch查看网络参数显存占用量等操作

更新时间：2021年05月12日 11:11:54 作者：张林克

这篇文章主要介绍了pytorch查看网络参数显存占用量等操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

1.使用torchstat

pip install torchstat 

from torchstat import stat
import torchvision.models as models
model = models.resnet152()
stat(model, (3, 224, 224))

关于stat函数的参数，第一个应该是模型，第二个则是输入尺寸，3为通道数。我没有调研该函数的详细参数，也不知道为什么使用的时候并不提示相应的参数。

2.使用torchsummary

pip install torchsummary
 
from torchsummary import summary
summary(model.cuda(),input_size=(3,32,32),batch_size=-1)

使用该函数直接对参数进行提示，可以发现直接有显式输入batch_size的地方，我自己的感觉好像该函数更好一些。但是！！！不知道为什么，该函数在我的机器上一直报错！！！

TypeError: can't convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

Update：经过论坛咨询，报错的原因找到了，只需要把

pip install torchsummary

修改为

pip install torch-summary

补充：Pytorch查看模型参数并计算模型参数量与可训练参数量

查看模型参数(以AlexNet为例）

import torch
import torch.nn as nn
import torchvision
class AlexNet(nn.Module):
    def __init__(self,num_classes=1000):
        super(AlexNet,self).__init__()
        self.feature_extraction = nn.Sequential(
            nn.Conv2d(in_channels=3,out_channels=96,kernel_size=11,stride=4,padding=2,bias=False),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3,stride=2,padding=0),
            nn.Conv2d(in_channels=96,out_channels=192,kernel_size=5,stride=1,padding=2,bias=False),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3,stride=2,padding=0),
            nn.Conv2d(in_channels=192,out_channels=384,kernel_size=3,stride=1,padding=1,bias=False),
            nn.ReLU(inplace=True),
            nn.Conv2d(in_channels=384,out_channels=256,kernel_size=3,stride=1,padding=1,bias=False),
            nn.ReLU(inplace=True),
            nn.Conv2d(in_channels=256,out_channels=256,kernel_size=3,stride=1,padding=1,bias=False),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2, padding=0),
        )
        self.classifier = nn.Sequential(
            nn.Dropout(p=0.5),
            nn.Linear(in_features=256*6*6,out_features=4096),
            nn.ReLU(inplace=True),
            nn.Dropout(p=0.5),
            nn.Linear(in_features=4096, out_features=4096),
            nn.ReLU(inplace=True),
            nn.Linear(in_features=4096, out_features=num_classes),
        )
    def forward(self,x):
        x = self.feature_extraction(x)
        x = x.view(x.size(0),256*6*6)
        x = self.classifier(x)
        return x
if __name__ =='__main__':
    # model = torchvision.models.AlexNet()
    model = AlexNet()
    
    # 打印模型参数
    #for param in model.parameters():
        #print(param)
    
    #打印模型名称与shape
    for name,parameters in model.named_parameters():
        print(name,':',parameters.size())

feature_extraction.0.weight : torch.Size([96, 3, 11, 11])
feature_extraction.3.weight : torch.Size([192, 96, 5, 5])
feature_extraction.6.weight : torch.Size([384, 192, 3, 3])
feature_extraction.8.weight : torch.Size([256, 384, 3, 3])
feature_extraction.10.weight : torch.Size([256, 256, 3, 3])
classifier.1.weight : torch.Size([4096, 9216])
classifier.1.bias : torch.Size([4096])
classifier.4.weight : torch.Size([4096, 4096])
classifier.4.bias : torch.Size([4096])
classifier.6.weight : torch.Size([1000, 4096])
classifier.6.bias : torch.Size([1000])

计算参数量与可训练参数量

def get_parameter_number(model):
    total_num = sum(p.numel() for p in model.parameters())
    trainable_num = sum(p.numel() for p in model.parameters() if p.requires_grad)
    return {'Total': total_num, 'Trainable': trainable_num}

第三方工具

from torchstat import stat
import torchvision.models as models
model = models.alexnet()
stat(model, (3, 224, 224))

在这里插入图片描述

from torchvision.models import alexnet
import torch
from thop import profile
model = alexnet()
input = torch.randn(1, 3, 224, 224)
flops, params = profile(model, inputs=(input, ))
print(flops, params)

在这里插入图片描述

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。

您可能感兴趣的文章:

Python实现向列表或数组添加元素
Python中的列表是一种动态数组,可以存储不同数据类型的元素,并提供多种方法进行元素的添加和删除,列表是Python中非常灵活和强大的数据结构,可以通过索引访问、修改和操作列表中的元素,列表的创建十分简单,只需使用方括号括起元素,并用逗号分隔
2024-09-09
详解python的函数递归与调用
Python中的函数递归是一种函数调用自身的编程技术,递归可以用来解决问题,特别是那些可以分解为更小、相似子问题的问题,本文将给大家详细的讲解一下python的函数递归与调用,需要的朋友可以参考下
2023-10-10
TensorFlow模型保存/载入的两种方法
这篇文章主要为大家详细介绍了TensorFlow 模型保存/载入的两种方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-03-03
Python wxpython模块响应鼠标拖动事件操作示例
这篇文章主要介绍了Python wxpython模块响应鼠标拖动事件操作,结合实例形式分析了Python使用wxpython模块创建窗口、绑定事件及相应鼠标事件相关操作技巧,需要的朋友可以参考下
2018-08-08
CentOS7下python3.7.0安装教程
这篇文章主要为大家详细介绍了CentOS7下python3.7.0安装教程，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-07-07
通过C++学习Python
这篇文章主要介绍了通过C++学习Python，通过对比分析，让我们能够更好的学习python.
2015-01-01
python3连接MySQL8.0的两种方式
这篇文章主要介绍了python3连接MySQL8.0的两种方式,本文通过多种方式给大家介绍的非常详细，代码附有文字注释，需要的朋友可以参考下
2020-02-02
python中plt.imshow与cv2.imshow显示颜色问题
这篇文章主要介绍了plt.imshow与cv2.imshow显示颜色问题,本文给大家介绍的非常详细，同时给大家提到了cv2.imshow()和plt.imshow()的区别讲解，需要的朋友可以参考下
2020-07-07
利用Python实现一个下班倒计时程序
身为打工人,一定是想着下班的那一刻吧,这篇文章主要来和大家介绍一下如何利用Python实现一个下班倒计时程序,感兴趣的小伙伴可以跟随小编一起学习一下
2023-12-12
python实现巡检系统(solaris)示例
这篇文章主要介绍了python实现巡检系统(solaris)示例,需要的朋友可以参考下
2014-04-04