Tensorflow2.0笔记07——神经网络复杂度

Tensorflow2.0笔记

本博客为Tensorflow2.0学习笔记，感谢北京大学微电子学院曹建老师

目录

• Tensorflow2.0笔记
  • 1.神经网络复杂度
    • 1.1 时间复杂度
    • 1.2 空间复杂度

1.神经网络复杂度

1.1 时间复杂度

即模型的运算次数，可用浮点运算次数（FPLOPs, FLoating-point OPerations）或者乘加运算次数衡量.

1.2 空间复杂度

空间复杂度（访存量），严格来讲包括两部分：总参数量 + 各层输出特征图。

参数量：模型所有带参数的层的权重参数总量；

特征图：模型在实时运行过程中每层所计算出的输出特征图大小。