Neural network 如何计算净值'；美国有线电视新闻网的失败
我想设计一个卷积神经网络，它占用的GPU资源不超过Alexnet。我想用触发器来测量它，但我不知道如何计算它。请问有什么工具可以做到这一点吗？有关在线工具，请参阅。有关alexnet，请参见。这支持最广为人知的层。对于自定义层，您必须自己计算。如果您使用的是Keras，您可以在这个拉取请求中使用补丁： 然后只需调用print_summary（），您将看到每层的失败次数和总数Neural network 如何计算净值'；美国有线电视新闻网的失败,neural-network,deep-learning,caffe,conv-neural-network,Neural Network,Deep Learning,Caffe,Conv Neural Network,我想设计一个卷积神经网络，它占用的GPU资源不超过Alexnet。我想用触发器来测量它，但我不知道如何计算它。请问有什么工具可以做到这一点吗？有关在线工具，请参阅。有关alexnet，请参见。这支持最广为人知的层。对于自定义层，您必须自己计算。如果您使用的是Keras，您可以在这个拉取请求中使用补丁： 然后只需调用print_summary（），您将看到每层的失败次数和总数 即使不使用Keras，也值得在Keras中重新创建您的网络，以便获得失败计数。对于未来的访问者，如果您使用Keras和Te
即使不使用Keras，也值得在Keras中重新创建您的网络，以便获得失败计数。对于未来的访问者，如果您使用Keras和TensorFlow作为后端，则可以尝试以下示例。它计算MobileNet的失败次数
将tensorflow导入为tf
将keras.backend作为K导入
从keras.applications.mobilenet导入mobilenet
run_meta=tf.RunMetadata（）
使用tf.Session（graph=tf.graph（））作为sess：
K.SETU会话（sess）
net=MobileNet（alpha=0.75，input_tensor=tf.placeholder（'float32'，shape=（1,32,32,3）））
opts=tf.profiler.ProfileOptionBuilder.float\u操作（）
flops=tf.profiler.profile（sess.graph，run\u meta=run\u meta，cmd='op'，options=opts）
opts=tf.profiler.ProfileOptionBuilder.trainable_variables_parameter（）
params=tf.profiler.profile（sess.graph，run\u meta=run\u meta，cmd='op'，options=opts）
打印（“{：，}-{：，}”。格式（flops.total\u float\u ops，params.total\u parameters））
将tensorflow导入为tf
def get_触发器（h5型路径）：
session=tf.compat.v1.session（）
graph=tf.compat.v1.get\u default\u graph（）
使用graph.as_default（）：
使用session.as_default（）：
模型=tf.keras.models.load\u模型（模型h5\u路径）
run_meta=tf.compat.v1.RunMetadata（）
opts=tf.compat.v1.profiler.ProfileOptionBuilder.float\u操作（）
#我们在调用探查器时使用Keras会话图。
flops=tf.compat.v1.profiler.profile（图形=图形，
run\u meta=run\u meta，cmd='op'，options=opts）
返回浮点运算。总浮点运算
model.save（'path\u to\u my\u model.h5'））
tf.compat.v1.reset\u default\u graph（）
打印（获取触发器（'path\u to\u my\u model.h5'））
请注意，我们使用
tf.compat.v1.reset\u default\u graph（）