如何估算CoreML模型的参数数量？

Question

我正在研究修剪对 CoreML 模型的影响。

虽然我可以轻松测量文件大小（以 kB 为单位）的变化，但我很难估计模型参数数量的变化，因为 CoreML 不提供像 PyTorch 那样的直接方法

model.parameters()

。如何估计或计算修剪后的 CoreML 模型中的参数数量？

Answer 1

除了迭代各层并根据层的类型计算参数之外，似乎没有直接且通用的方法来执行此操作。

例如，

存储带有卷积层和线性层的 CoreML 模型

import torch
import torch.nn as nn
import coremltools as ct
import os

class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
        self.relu = nn.ReLU()
        self.fc1 = nn.Linear(16 * 32 * 32, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.relu(x)
        x = x.view(x.size(0), -1)
        x = self.fc1(x)
        return x

model = SimpleNet()

dummy_input = torch.rand(1, 3, 32, 32)
traced_model = torch.jit.trace(model, dummy_input)
coreml_model = ct.convert(
    traced_model,
    inputs=[ct.TensorType(name="input", shape=dummy_input.shape)]
)

model_name = "simple_net"
coreml_model.save(f"{model_name}.mlpackage")

该模型有两层：卷积层和线性层。因此，我们只需使用

model.get_spec().neuralNetwork.layers

迭代各层，对于卷积层，

kernel_channels * output_channels * kernel_height * kernel_width

给出权重，

output_channels

是偏差项的数量。对于线性层来说，它只是输入数量乘以输出数量。

def count_parameters(model):
    total_params = 0
    for layer in model.get_spec().neuralNetwork.layers:
        if layer.HasField('convolution'):
            conv = layer.convolution
            kernel_channels = conv.kernelChannels
            output_channels = conv.outputChannels
            kernel_height = conv.kernelSize[0]
            kernel_width = conv.kernelSize[1]
            params = kernel_channels * output_channels * kernel_height * kernel_width
            if conv.hasBias:
                params += output_channels
            total_params += params
        elif layer.HasField('innerProduct'):
            inner = layer.innerProduct
            input_channels = inner.inputChannels
            output_channels = inner.outputChannels
            params = input_channels * output_channels
            if inner.hasBias:
                params += output_channels
            total_params += params
    return total_params

coreml_params = count_parameters(coreml_model)
print(f"Total parameters: {coreml_params}")

打印出来了

Number of parameters in PyTorch model: 164298

如果直接在Pytorch模型上通过

来算

total_params = sum(p.numel() for p in model.parameters())
print(f"Total parameters: {total_params}")

很匹配

Total parameters: 164298

不是最好的方法（我希望其他人有更通用的方法），但这是一个开始。