Deep_Learning_model_profiler

【文件属性】：
文件名称：Deep_Learning_model_profiler
文件大小：11KB
文件格式：ZIP
更新时间：2021-02-12 09:36:33
Python Model_profier 一个工具可以帮助您计算DL模型的神经元编号，参数和操作数 图书馆 Keras 2.4.0 Tensorflow 2.2.0 当前支持的图层： 转换2d 线性的 批量标准化2D 最大池化2D 平均池化2D 稠密 测试 您可以使用预先训练的模型测试脚本并保存其统计信息 您可以在标准CNN型号VGG16 / ResNet50 /上进行测试。 在models.py建立自己的CNN模型 输出量 所有模型信息都将记录在“ statistics_files”文件夹中的“ * .txt”中。 FLOPs计算 为了计算浮点运算（FLOP）的数量，我们假设将卷积实现为滑动窗口，并且非线性函数是免费计算的。 参考：Molchanov P，Tyree S，Karras T等。 关键词：修剪卷积神经网络，高效资源推理2016年 待办事项清单 RNN层 转换3d 深度卷

【文件预览】：
Deep_Learning_model_profiler-master
----statistics_files()
--------ResNet50_report.txt(8KB)
--------model_report.txt(2KB)
--------VGG16_report.txt(3KB)
----tensorflow2NNProfiler.py(8KB)
----models.py(9KB)
----Costom_block.py(3KB)
----README.md(988B)
----KerasNNProfiler.py(6KB)