大家還是直接看代碼吧~
netG = Generator()
print('# generator parameters:', sum(param.numel() for param in netG.parameters()))
netD = Discriminator()
print('# discriminator parameters:', sum(param.numel() for param in netD.parameters()))
補(bǔ)充：PyTorch查看網(wǎng)絡(luò)模型的參數(shù)量PARAMS和FLOPS等
在PyTorch中，可以使用torchstat這個(gè)庫(kù)來(lái)查看網(wǎng)絡(luò)模型的一些信息，包括總的參數(shù)量params、MAdd、顯卡內(nèi)存占用量和FLOPs等。
示例代碼如下：
from torchstat import stat
from torchvision.models import resnet50, resnet101, resnet152, resnext101_32x8d
model = resnet50()
stat(model, (3, 224, 224))
打印信息如下：
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- pytorch固定BN層參數(shù)的操作
- pytorch 如何自定義卷積核權(quán)值參數(shù)
- pytorch交叉熵?fù)p失函數(shù)的weight參數(shù)的使用
- Pytorch 統(tǒng)計(jì)模型參數(shù)量的操作 param.numel()
- pytorch查看網(wǎng)絡(luò)參數(shù)顯存占用量等操作
- pytorch 優(yōu)化器(optim)不同參數(shù)組,不同學(xué)習(xí)率設(shè)置的操作
- pytorch LayerNorm參數(shù)的用法及計(jì)算過(guò)程
