tensorflow 的 tfprof 输出理论 FLOPS 吗？

【问题标题】：Does tensorflow's tfprof output theoretical FLOPS?tensorflow 的 tfprof 输出理论 FLOPS 吗？
【发布时间】：2017-12-15 11:53:59
【问题描述】：

我使用 tfprof 来分析机器学习算法。这是示例输出： ==================模型分析报告====================== 节点名 | # float_ops _TFProfRoot (--/3163.86b 触发器) InceptionResnetV2/InceptionResnetV2/Mixed_6a/Branch_1/Conv2d_0b_3x3/convolution（173.41b/173.41b flops） InceptionResnetV2/InceptionResnetV2/Conv2d_4a_3x3/convolution（167.25b/167.25b flops）

这里，在“167.25b/167.25b flops”中，第二个 167.25b 表示什么？是理论上的失败吗？

【问题讨论】：

标签： machine-learning tensorflow profiling flops

【解决方案1】：

是的，这是理论上的失败。 Ops 可以使用RegisterStatistics 注解注册统计信息。

Here 是此类注册的一个示例：

@ops.RegisterStatistics("MatMul", "flops")
def _calc_mat_mul_flops(graph, node):
  """Calculates the compute resources needed for MatMul."""
  transpose_a = node.attr["transpose_a"].b
  a_shape = graph_util.tensor_shape_from_node_def_name(graph, node.input[0])
  a_shape.assert_is_fully_defined()
  if transpose_a:
    k = int(a_shape[0])
  else:
    k = int(a_shape[1])
  output_shape = graph_util.tensor_shape_from_node_def_name(graph, node.name)
  output_shape.assert_is_fully_defined()
  output_count = np.prod(output_shape.as_list())
  return ops.OpStats("flops", (k * output_count * 2))

【讨论】：