thop.profile

THOP (Tensor Hot Pot) 是一个专门针对深度学习模型性能分析的库，它专注于提供简洁易用的方式来测量、优化和可视化神经网络的计算效率。`thop.profile` 是 THOP 中的一个核心功能模块，它允许用户对 PyTorch 模型进行计算图级别的性能分析，包括计算量(FLOPs)、参数数量(Macs)等关键指标。

当你想要评估一个 PyTorch 模型的算力消耗时，可以使用 `thop.profile(model, inputs)` 这样的函数，其中 `model` 是待分析的模型实例，`inputs` 是模型所需的数据输入。这个函数会返回一个包含模型复杂度信息的字典，这对于了解模型的运行效率以及对比不同模型的优劣非常有用。

举个例子：

import torch
from thop import profile

# 假设我们有一个卷积神经网络 model
model = torchvision.models.resnet18()

# 创建一个随机输入 batch
input_data = torch.randn(1, 3, 224, 224)

# 使用 thop.profile 计算模型的算力和参数数
flops, params = profile(model, inputs=(input_data,))
print(f"模型FLOPs: {flops}, 参数数: {params}")