如何在 Keras 中计算 Mobilenet FLOPs

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，我得到了以下结果

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

这与论文中描述的失败不同。

手机网：https://arxiv.org/pdf/1704.04861.pdf

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

如何计算论文中描述的精确翻牌？

Answer 1

tl;dr 实际上你得到了正确的答案！您只是将触发器与乘法累加（来自论文）进行比较，因此需要除以 2。

如果您使用的是 Keras，那么您列出的代码有点过于复杂...

让model 成为任何已编译的 Keras 模型。我们可以通过以下代码得出模型的失败。

import tensorflow as tf
import keras.backend as K


def get_flops():
    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 ....
# You need to have compiled your model before calling this.
print(get_flops())

但是，当我查看自己在计算机上执行的示例（不是 Mobilenet） 时，打印出的 total_float_ops 为 2115，当我得到以下结果时我只是打印了flops 变量：

[...]
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，total_float_ops 属性考虑了乘法、加法和减法。

然后我又回顾了 MobileNets 的例子，简单地翻阅了一下论文，我发现 MobileNet 的实现是基于参数数量的默认 Keras 实现：

表中的第一个模型与您拥有的结果 (4,253,864) 匹配，并且多加数大约是您拥有的 flops 结果的一半。因此，您有正确的答案，只是您将翻牌误认为是 Mult-Adds（也就是乘法累加或 MAC）。

如果您想计算 MAC 的数量，只需将上述代码的结果除以 2。

---

重要提示

如果您尝试运行代码示例，请记住以下几点：

1. 代码示例是在 2018 年编写的，不适用于 tensorflow 版本 2。有关 tensorflow 版本 2 兼容性的完整示例，请参阅 @driedler 的回答。
2. 代码示例最初是为了在已编译的模型上运行一次...作为一个更好的示例，以没有副作用的方式使用它（因此可以多次运行）同一型号上的时间），请参阅@ch271828n 的答案。

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

上述解决方案不能运行两次，否则失败会累积！ （也就是说，第二次运行，你会得到 output = flops_of_1st_call + flops_of_2nd_call。）下面的代码调用reset_default_graph 来避免这种情况。

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

根据@driedler 修改，谢谢！

Answer 4

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