Per-layer parameter and MAC table
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- Mezza giornata
- Idoneità per principianti
- 55/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Start in src/complexity.py, where the forward hooks for Conv2d, BatchNorm2d and Linear modules belong, and check how count_params already totals parameters. Add layer_table(model) and save_layer_table(model, path), applying the MAC formulas from the issue. Done means results/arch_A.csv and results/arch_B.csv exist and their totals match count_params. Issue #16 is listed as a dependency, so confirm it is merged before you start.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Forward hooks that record params and multiply-accumulates per layer.
Files: src/complexity.py
Tasks
- Hook Conv2d, BatchNorm2d and Linear modules
- Conv MACs = H_out * W_out * C_out * k_h * k_w * C_in / groups; Linear MACs = in * out; BN = 0
- Label convs as Conv / DW conv / PW conv
-
layer_table(model)returns list of dicts;save_layer_table(model, path)writes CSV
Done when
results/arch_A.csv and results/arch_B.csv are produced; totals match count_params.
Depends on
#16
Close with a commit or PR message containing Closes #<this issue>.
- Lingua principale
- Jupyter Notebook
- Stelle
- 0
- Fork
- 0
- Merge medio
- 5h 32m
- PR unite (30g)
- 5
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di VisionForgeCSE/CNN-For-Image-Classification
-
Inference latency benchmarkApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
-
evaluation good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
Plot confusion matrixApertaevaluation
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
training
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
Optimizer factoryApertatraining
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
Tutte le issue di VisionForgeCSE/CNN-For-Image-Classification
Issue simili
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
-
`unload()` returns the trained `modules_to_save` copy instead of the original moduleForse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
huggingface/peft#3955 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug] WhisperTimeStampLogitsProcessor crashes with TypeError when eos_token_id is a single-element listForse già presa Una pull request collegata a questa issue è aperta o già unita. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
huggingface/transformers#49556 ·
I maintainer di solito rispondono entro 1 giorno
-
bug embedded exports
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
ultralytics/ultralytics#26655 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement needs-acceptance wg/router-models-inference-runtime
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
vllm-project/semantic-router#5015 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno