mmdetection计算参数量和计算复杂度

参数量与图片尺寸无关

而计算复杂度(GFlops)与输入图片的尺寸有关,作比较的时候要确保,输入尺寸一致的,最新版本的mmdetection的tools/analysis_tools/get_flops.py中不支持更改输入图片尺寸,而是自己从数据集中获取大小,想要自定义输入尺寸可以按如下操作:

①找到.conda/envs/mmlab/lib/python3.8/site-packages/mmengine/analysis/print_helper.py文件

②在677行get_model_complexity_info函数的最开始加上以下两句

input_shape=(3,640,640)

inputs=None

相关推荐
皮卡丘不断更几秒前
告别“金鱼记忆”:SwiftBoot v0.1.5 如何给 AI 装上“永久项目大脑”?
人工智能·系统架构·ai编程
lili-felicity3 分钟前
CANN模型量化详解:从FP32到INT8的精度与性能平衡
人工智能·python
北京耐用通信3 分钟前
破解AGV多协议互联难题:耐达讯自动化Profinet转Devicenet网关如何实现高效协同
人工智能·科技·物联网·网络协议·自动化·信息与通信
平安的平安4 分钟前
空间智能AI模型的推理加速优化实践
人工智能
baby_hua5 分钟前
20251217_大模型的分布式训练
人工智能
哈哈你是真的厉害9 分钟前
CANN生态核心算子库合集:赋能AIGC多模态落地的全链路算力支撑
人工智能·aigc·cann
imbackneverdie9 分钟前
2026国自然申请书模板大改版,科研人员如何应对?
人工智能·自然语言处理·aigc·科研·学术·国自然·国家自然科学基金
哈哈你是真的厉害9 分钟前
驾驭万亿参数 MoE:深度剖析 CANN ops-transformer 算子库的“核武库”
人工智能·深度学习·aigc·transformer
忆~遂愿9 分钟前
CANN ATVOSS 算子库深度解析:基于 Ascend C 模板的 Vector 算子子程序化建模与融合优化机制
大数据·人工智能
喵叔哟17 分钟前
02-YOLO-v8-v9-v10工程差异对比
人工智能·yolo·机器学习