fvcore是一個易用的工具。fvcore是Facebook開源的一個輕量級的核心庫，它提供了各種計算機視覺框架中常見且基本的功能。其中就包括了統計模型的引數以及FLOPs等。

pip install fvcore

• 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，理解為計算速度。是一個衡量硬體效能的指標。
• FLOPs：注意s小寫，是floating point operations的縮寫（s表複數），意指浮點運算數，理解為計算量。可以用來衡量演算法/模型的複雜度。

1.計算量

import torch
from
 
 torchvision.models import resnet50
from fvcore.nn import FlopCountAnalysis, parameter_count_table

# 建立resnet50網路
model = resnet50(num_classes=1000)

# 建立輸入網路的tensor
tensor = (torch.rand(1, 3, 224, 224),)

# 分析FLOPs
flops = FlopCountAnalysis(model, tensor)
print("FLOPs: ", flops.total())

2.引數量

import torch
 
from torchvision.models import resnet50
from fvcore.nn import FlopCountAnalysis, parameter_count_table

# 建立resnet50網路
model = resnet50(num_classes=1000)

# 分析parameters
print(parameter_count_table(model))