MACs (乘加运算次数)和 FLOPs (浮点运算次数)的关系确实有些误解。

主要的原因是:

1. 有些情况下,将乘法计为 2 FLOPs,加法计为 1 FLOPs

2. 但更标准的计算是:乘法和加法都计为 1 FLOPs所以按照不同的计算方式,MACs 和 FLOPs 的关系有:

1. 如果乘法计2 FLOPs,加法计1 FLOPs,那么 MACs = 2 * FLOPs

2. 如果乘法和加法都计1 FLOPs,那么 MACs = FLOPs综上,MACs 和 FLOPs 的关系具体取决于计算方式,但更标准的做法是:MACs 和 FLOPs 是一个量级,它们的数值相等或近似相等。

之所以网上有人说它们是二倍关系,可能是采用了乘法计2 FLOPs的计算方式。

但这并不是一个标准的计算方法。

所以,MACs 和 FLOPs 可以看作相等,都是反映模型计算量的指标。

不需要特别将其转换为原来的两倍。

如何使用onnx可视化网络，以及使用onnx-tool去自动计算每一层参数。

import netron
import onnx
#from onnx import numpy_helper, helper
import onnx_tool
netron.start('../pretrained_models/100w_net.onnx')
# 加载ONNX模型
model = onnx.load('../pretrained_models/100w_net.onnx')
onnx_tool.model_profile('../pretrained_models/100w_net.onnx')