thop profile 模型多个input

`thop` 是一个用于计算深度学习模型计算图（如 TensorFlow 或 PyTorch）中的 FLOPs (Floating Point Operations) 和参数数量的库。它的 `profile` 函数主要用于获取模型的计算量信息，通常用于评估模型效率或优化。

如果你需要为同一个模型提供多个输入进行性能分析，`thop` 的 `profile` 函数默认情况下处理单个输入。然而，你可以通过创建一个新的函数来包装原始模型，使其能够接受多个输入，然后在这些输入上分别运行 `profile`。

以下是一个简单的示例，展示了如何为一个函数定义一个可以接受多个输入的版本：

import torch
from thop import profile, clever_format

# 假设你有一个原始模型 model
model = ... # 你的模型实例

def multi_input_profiler(inputs_list):
    flops_sum = 0
    params_sum = 0
    
    for inputs in inputs_list:
        macs, params = profile(model, inputs=inputs)
        flops_sum += macs
        params_sum += params
        
    flops, params = clever_format([flops_sum, params_sum], "%.3f")
    
    return {"FLOPs": flops, "Params": params}

# 使用这个新定义的方法
inputs_list = [torch.randn(1, 3, 224, 224), torch.randn(1, 5, 224, 224)]  # 根据你的需求设置输入形状
result = multi_input_profiler(inputs_list)

print(result)

在这个例子中，`multi_input_profiler` 接收一个包含多个输入批次的列表，然后对每个输入分别计算 FLOPs 和参数数，最后返回总的计算资源消耗。