Deep learning 计算Caffe CNN'中的乘加运算（MAC）数；s架构_Deep Learning_Caffe_Conv Neural Network_Flops

Deep learning 计算Caffe CNN'中的乘加运算（MAC）数；s架构

deep-learning

Deep learning 计算Caffe CNN'中的乘加运算（MAC）数；s架构,deep-learning,caffe,conv-neural-network,flops,Deep Learning,Caffe,Conv Neural Network,Flops,最近，我对一些CNN的时间、乘加运算（MAC）、参数和模型大小进行了基准测试。我见过一些类似的SO问题（和），在后者中，他们建议使用。这个工具让我只需输入我的Caffe网络定义，就可以计算出我需要的大部分东西然而，我在论文和互联网上看到的一些架构的乘加运算的数量与Netscope输出的不匹配，而其他架构则匹配。我总是将FLOPs或MAC与netscope中的MACC列进行比较，但有一个~10倍的因素我在某个时候忘记了（查看下面的表格了解更多细节） Netscope中有关和的参考使用该工具的任

最近，我对一些CNN的时间、乘加运算（MAC）、参数和模型大小进行了基准测试。我见过一些类似的SO问题（和），在后者中，他们建议使用。这个工具让我只需输入我的Caffe网络定义，就可以计算出我需要的大部分东西

然而，我在论文和互联网上看到的一些架构的乘加运算的数量与Netscope输出的不匹配，而其他架构则匹配。我总是将FLOPs或MAC与netscope中的MACC列进行比较，但有一个~10倍的因素我在某个时候忘记了（查看下面的表格了解更多细节）

Netscope中有关和的参考

使用该工具的任何人都能指出我在阅读Netscope输出时犯了什么错误吗？

我已经找到了导致Netscope与我在论文中找到的信息不一致的原因。Nestcope中的大多数预设架构都使用10的批量大小（例如，and就是这种情况），因此x10因子乘以了mult add操作的数量

Architecture  ----  MAC (paper/internet) ---- macc column in netscope
VGG 16                    ~15.5G                       ~157G
GoogLeNet                 ~1.55G                       ~16G