最近想要计算模型的参数量和运算量(FLOPs)，浏览了一些帖子，发现可以通过Python中的thop工具包来实现，但查到的资料中仅介绍了对一些简单模型（例如Resnet50）的计算，而没有考虑复杂模型的情况。研究了一番后找到了一个通过thop对复杂模型进行计算的方法，虽然不知道是否准确，但先进行一下记录。

1. 参数量计算（通过pytorch）

在正式介绍thop之前，先讲一下torch的内置方法。如果仅仅想要知道模型中参数的数量，那么无需安装thop，通过调用torch内置的一些方法就可以实现，代码如下：

其中model是待计算模型的对象。

2.thop的安装与计算简单模型的参数

（1）安装：通过pip安装即可，命令如下

（2）简单模型的参数量与FLOPs计算

上面的代码摘自官方文档。在调用thop工具包时，需要将模型的输入作为参数传入。在上面的代码中，第4行就是随机生成了一个模型的输入，(1,3,224,224)是一个四维矩阵，其含义是batch size = 1，通道数为3，分辨率为224*224。

3.复杂模型的参数量与FLIPs计算

从上面的介绍可以发现，thop只能计算输入为一个矩阵的模型的参数量和FLOPs，而我们实际想要计算的模型可能要复杂的多。例如我想要计算的一个模型需要接收五个矩阵作为输入，调用模型的代码为：

其中作为模型传入参数的是五个矩阵，其尺寸为：

想要计算这样一个模型的参数量和计算量，需要考虑一种新的方式。我在这里给出的方案是：构建一个新的，接收单矩阵输入的类。代码如下：

可以看到，该类继承自nn.Module，以确保该类可以被声明为一个模型。接着在类的初始化函数中，将待计算模型的对象作为参数传入，并赋值给self.model；在forward函数中，规定其必须接收一个参数（实际上我们并不会使用这个接收到的参数），并通过torch内置的随机函数产生需要形状的张量（之所以特殊对待captions是因为model要求该参数的元素为整型）。

最后，就可以进行参数量和FLOPs的计算，代码如下：

其中，第一行声明Transformer类，并将其对象命名为model；

第二行声明上面定义的func类，将model作为声明类时的传入参数；

第三行随机生成一个矩阵

第四行调用thop中的profile方法对func类的参数量和运算量进行计算，实际上等价于对Transformer类的参数量和运算量计算。

（完）