近几天跑完实验后，发现效果还是不错，于是开始进行模型的参数量、计算量和速度指标的计算对比，话不多说，直接上干货。
--------------------------------------------------------------------------------------------------------------------------
首先记住一句话：模型的参数量越小，这个模型的计算量不一定小，速度也不一定快。
关于参数量和计算量：
找到mmdetection或mmrotate的 tools/analysis_tools/get_flops.py文件，可以看到：
config表示你的模型配置文件、
shape表示输入图片的长宽
测试如下：
python tools/analysis_tools/get_flops.py work_dirs/s2anet_r50_fpn_3x_hrsc_le135/s2anet_r50_fpn_3x_hrsc_le135.py
结果如下：
一目了然！
而有人会问Flops与GFLOPs的区别，简单来说， GFLOPs是与你的硬件配置有关，可以理解为日常生活中常用的单位：kg、m等单位，这里不必关心。而Flops就是你的模型计算量了，这里数字越大代表计算量越大。
参数量我这里就不细说了。
------------------------------------------------------------------------------------------------------------------------
关于FPS的计算
找到tools/analysis_tools/benchmark.py文件
config意义同上
checkpoint表示权重文件，演示如下：
python -m torch.distributed.launch --nproc_per_node=1 --master_port=29500 tools/analysis_tools/benchmark.py runs/rotated_fcos_r50_fpn_1x_hrsc_le90_reg.py runs/latest.pth --launcher pytorch
前面这一串 -m torch.distributed.launch --nproc_per_node=1 --master_port=29500 代表分布式的参数，不必深究。
记得最后要带上--launcher pytorch
运行后，结果如下：
一目了然！
-----------------------------------------------------------------------------------------------------------------------
最后，我还需要i强调一点的是：不同模型的FPS必须要在相同的输入图片大小的基础下才具有可比性！
以上，希望能让大家少踩坑！有问题可以评论留言！文章来源：https://www.toymoban.com/news/detail-791617.html
文章来源地址https://www.toymoban.com/news/detail-791617.html
到了这里，关于关于mmdetection、mmrotate如何计算参数量、计算量和速度FPS的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![【 [mmdetection] 如何在训练中断后,接着上次训练?】](https://imgs.yssmx.com/Uploads/2024/02/484966-1.png)
