引言：
对于智能故障诊断任务而言，受限于现场工业设备设施的算力，模型在轻量化上具有典型需求。因此，在保证模型精准性的同时尽量降低模型的复杂度是必要的，本博客对模型的复杂度概念进行了剖析，并在pytorch框架下对相关热门轻量级模型的复杂度评估进行了分析。
深度学习模型的复杂度指标计算
- 1. 模型的时间复杂度和空间复杂度
-
- 1.1 时间复杂度
- 1.2 空间复杂度
- 2. FLOPS与FLOPs概念辨析
-
- 2.1 硬件性能指标 FLOPS
- 2.2 模型、算法复杂度指标 FLOPs
- 3. 典型Pytorch框架下模型的计算量分析
-
- 3.1 第一个工具【1】的使用案例如下：
- 3.2 第2个工具【2】的使用案例如下：
- 4. 其他模型测试
-
- 4.1 MobileNe
