深度学习常见模型大小汇总(持续更新...)

目录

  • 前言
  • 1. NLP
    • 1.1 Transformer架构
  • 2. CV
    • 2.1 CNN架构
    • 2.2 Transformer架构

前言

本篇博客将记录深度学习领域常见模型的大小,具体算法如下

torchinfo.summary(model)

模型可能来自于PyTorch官方,HuggingFace等。

如有错误或者建议欢迎在评论区指出。

第三方库 版本
transformers 4.30.2
PyTorch 2.0.1

1. NLP

1.1 Transformer架构

Encoder-Only架构

模型 来源 总参数量 总参数量
BERT-base HuggingFace 109,482,240 109.5M
BERT-large HuggingFace 335,141,888 335.1M
RoBERTa-base HuggingFace 124,645,632 124.6M
RoBERTa-large HuggingFace 355,359,744 355.3M
DeBERTa-base HuggingFace 138,601,728 138.6M
DeBERTa-large HuggingFace 405,163,008 405.2M
DeBERTa-xlarge HuggingFace 757,804,032 757.8M
DistilBERT HuggingFace 66,362,880 66.4M

Decoder-Only架构

模型 来源 总参数量 总参数量
GPT HuggingFace 116,534,784 116.5M
GPT-2 HuggingFace 124,439,808 124.4M
GPT-2-medium HuggingFace 354,823,168 354.8M
GPT-2-large HuggingFace 774,030,080 774.0M
GPT-J HuggingFace 5,844,393,984 5.8B
LLaMA HuggingFace 6,607,343,616 6.6B

Encoder-Decoder架构文章来源地址https://uudwc.com/A/orn50

模型 来源 总参数量 总参数量
Transformer PyTorch 44,140,544 44.1M
T5-small HuggingFace 93,405,696 93.4M
T5-base HuggingFace 272,252,160 272.3M
T5-large HuggingFace 803,466,240 803.5M

2. CV

2.1 CNN架构

模型 来源 总参数量 总参数量
AlexNet PyTorch 61,100,840 61.1M
GoogleNet PyTorch 13,004,888 13.0M
VGG-11 PyTorch 132,863,336 132.9M
VGG-13 PyTorch 133,047,848 133.0M
VGG-16 PyTorch 138,357,544 138.4M
VGG-19 PyTorch 143,667,240 143.7M
ResNet-18 PyTorch 11,689,512 11.7M
ResNet-34 PyTorch 21,797,672 21.8M
ResNet-50 PyTorch 25,557,032 25.6M
ResNet-101 PyTorch 44,549,160 44.5M
ResNet-152 PyTorch 60,192,808 60.2M

2.2 Transformer架构

模型 来源 总参数量 总参数量
SwinTransformer-tiny PyTorch 28,288,354 28.3M
SwinTransformer-small PyTorch 49,606,258 49.6M
SwinTransformer-base PyTorch 87,768,224 87.8M
ViT-base-16 PyTorch 86,567,656 86.6M
ViT-base-32 PyTorch 88,224,232 88.2M
ViT-large-16 PyTorch 304,326,632 304.3M
ViT-large-32 PyTorch 306,535,400 306.5M
ViT-Huge-14 PyTorch 632,045,800 632.0M

原文地址:https://blog.csdn.net/raelum/article/details/131626578

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请联系站长进行投诉反馈,一经查实,立即删除!

h
上一篇 2023年07月10日 20:29
IPOP 使用详解 (附IPOP工具包)
下一篇 2023年07月10日 20:31