【pytorch】計算一個CNN模型model的參數量，即論文中常用的#parameters

在開始之前，請記住，存儲量不是參數量！！！！

存儲量不是參數量！！！！

存儲量不是參數量！！！！

通常來說我們在訓練模型的時候會用checkpoint的方法把模型儲存下來，一個模型小則幾十M，大則上百M，并且我們很多時候會把這個存儲量誤認為是參數量，比如

但是實際上這個是存儲量而不是參數量，那麼在pytorch中參數量怎麼計算呢？

實際上我們可以直接在pytorch代碼中print一個模型的參數：

話不多說，代碼如下：

params = list(self.get_model().parameters())#所有參數放在params裡
k = 0
for i in params:
   l = 1
   for j in i.size():
        l*=j     #每層的參數存入l，這裡也可以print 每層的參數
   k = k+l   #各層參數相加
print("all params:"+ str(k))   #輸出總的參數

           

通常來說這個params最後print出來要除以100萬轉換為M為機關（論文中常用的格式）

好了，這就是pytorch中模型參數量的計算方法