machine-learning - Adaptive_avg_pool2d 的计算 FLOPs
问题描述
在对抗 Adaptive_avg_pool2d 的翻牌时,我发现了几个 FLOP 的定义:
- 从fvcore,它将 FLOPs 定义为
1 * prod(input)
即 , 1 x N x C_in x H_in x W_in
。
- 另一个定义是从输出的角度。我从这里找到了一个:
它首先计算内核大小,例如 (kx, ky)
然后计算翻牌为
( kx*xy +1 ) * prod(output)
也就是说,(k_x x k_y + 1) x (N x C_out x H_out x W_out)
哪个定义是正确的?有计算 FLOPs 的资料吗?
解决方案
推荐阅读
- javascript - Angular 7.2.5 + Typescript 3.2.4:无法读取未定义的属性“aaa”
- python - NLTK 包和其他依赖项出错
- facebook-javascript-sdk - 带有 JavaScript SDK 的 Facebook 登录 API
- sql - 选择只有一行且该行是特定值的 ID
- google-maps - 在谷歌地图 api 中隐藏水路
- javascript - CSS 样式中的 JS 树自定义
- java - Serenity 将错误的定义传递给参数
- android - React Native:“只有创建视图层次结构的原始线程才能触摸它的视图”
- c# - C# DataFlow:等待 ConcurrentExclusiveSchedulerPair 启动的所有任务完成
- c# - UWP C# 图像(UI 元素)碰撞检测问题