如何在Keras中计算Mobilenet FLOP

Question

run_meta = tf.RunMetadata()
enter codwith tf.Session(graph=tf.Graph()) as sess:
K.set_session(sess)


with tf.device('/cpu:0'):
    base_model = MobileNet(alpha=1, weights=None, input_tensor=tf.placeholder('float32', shape=(1,224,224,3)))




opts = tf.profiler.ProfileOptionBuilder.float_operation()    
flops = tf.profiler.profile(sess.graph, run_meta=run_meta, cmd='op', options=opts)

opts = tf.profiler.ProfileOptionBuilder.trainable_variables_parameter()    
params = tf.profiler.profile(sess.graph, run_meta=run_meta, cmd='op', options=opts)

print("{:,} --- {:,}".format(flops.total_float_ops, params.total_parameters))

当我运行上面的代码时，我得到了下面的结果

1,137,481,704 --- 4,253,864

这与本文所述的触发器不同。

移动网络：https ://arxiv.org/pdf/1704.04861.pdf

ShuffleNet：https：//arxiv.org/pdf/1707.01083.pdf

如何计算论文中所述的确切触发器？

Answer 1

tl; dr您实际上得到了正确的答案！您只是在比较触发器与乘法累加（来自本文），因此需要除以2。

如果您使用的是Keras，那么您列出的代码会使事情有些复杂化...

让model是任何编译Keras模型。我们可以使用以下代码来获得模型的触发器。

import tensorflow as tf
import keras.backend as K


def get_flops(model):
    run_meta = tf.RunMetadata()
    opts = tf.profiler.ProfileOptionBuilder.float_operation()

    # We use the Keras session graph in the call to the profiler.
    flops = tf.profiler.profile(graph=K.get_session().graph,
                                run_meta=run_meta, cmd='op', options=opts)

    return flops.total_float_ops  # Prints the "flops" of the model.


# .... Define your model here ....
print(get_flops(model))

但是，当我查看我在计算机上所做的示例（不是Mobilenet）时，打印出的total_float_ops为2115，仅打印flops变量时，我得到以下结果：

[...]
Mul                      1.06k float_ops (100.00%, 49.98%)
Add                      1.06k float_ops (50.02%, 49.93%)
Sub                          2 float_ops (0.09%, 0.09%)

很明显，该total_float_ops属性考虑了乘法，加法和减法。

然后，我回头看一下MobileNets示例，简要浏览一下该论文，我发现MobileNet的实现是基于参数数量的默认Keras实现：

表格中的第一个模型与您得到的结果（4,253,864）相匹配，而“多加” flops结果大约是您得到的结果的一半。因此，您有正确的答案，只是您误以为是Mult-Adds（又称乘法累加或MAC）。

如果要计算MAC的数量，只需要将上述代码的结果除以2。

Answer 2

这在 TF-2.1 中对我有用：

def get_flops(model_h5_path):
    session = tf.compat.v1.Session()
    graph = tf.compat.v1.get_default_graph()


    with graph.as_default():
        with session.as_default():
            model = tf.keras.models.load_model(model_h5_path)

            run_meta = tf.compat.v1.RunMetadata()
            opts = tf.compat.v1.profiler.ProfileOptionBuilder.float_operation()

            # Optional: save printed results to file
            # flops_log_path = os.path.join(tempfile.gettempdir(), 'tf_flops_log.txt')
            # opts['output'] = 'file:outfile={}'.format(flops_log_path)

            # We use the Keras session graph in the call to the profiler.
            flops = tf.compat.v1.profiler.profile(graph=graph,
                                                  run_meta=run_meta, cmd='op', options=opts)

            return flops.total_float_ops

Answer 3

以上解决方案不能运行两次，否则会累积失败！（换句话说，第二次运行它时，您将得到 output = flops_of_1st_call + flops_of_2nd_call。）以下代码调用reset_default_graph避免了这种情况。

def get_flops():
    session = tf.compat.v1.Session()
    graph = tf.compat.v1.get_default_graph()

    with graph.as_default():
        with session.as_default():
            model = keras.applications.mobilenet.MobileNet(
                    alpha=1, weights=None, input_tensor=tf.compat.v1.placeholder('float32', shape=(1, 224, 224, 3)))

            run_meta = tf.compat.v1.RunMetadata()
            opts = tf.compat.v1.profiler.ProfileOptionBuilder.float_operation()

            # Optional: save printed results to file
            # flops_log_path = os.path.join(tempfile.gettempdir(), 'tf_flops_log.txt')
            # opts['output'] = 'file:outfile={}'.format(flops_log_path)

            # We use the Keras session graph in the call to the profiler.
            flops = tf.compat.v1.profiler.profile(graph=graph,
                                                  run_meta=run_meta, cmd='op', options=opts)

    tf.compat.v1.reset_default_graph()

    return flops.total_float_ops

从@driedler 修改，谢谢！

Answer 4

您可以model.summary()在所有 Keras 模型上使用来获取 FLOPS 数。