【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)