接下來要分別概述以下內容：
１ 首先什么是參數量，什么是計算量
２ 如何計算 參數量，如何統計 計算量
３ 換算參數量，把他換算成我們常用的單位，比如:mb
４ 對於各個經典網絡，論述他們是計算量大還是參數兩，有什么好處
５ 計算量，參數量分別對顯存，芯片提出什么要求，我們又是怎么權衡
１ 首先什么是計算量，什么是參數量
計算量對應我們之前的時間復雜度，參數量對應於我們之前的空間復雜度，這么說就很明顯了
也就是計算量要看網絡執行時間的長短，參數量要看占用顯存的量
２ 如何計算 參數量，計算量
（１）針對於卷積層的
其中上面的公式是計算時間復雜度(計算量)，而下面的公式是計算空間復雜度(參數量)
對於卷積層：
參數量就是 (kernel*kernel) *channel_input*channel_output
kernel*kernel 就是weight * weight
其中kernel*kernel ＝ 1個feature的參數量
計算量就是 (kernel*kernel*map*map) *channel_input*channel_output
kernel*kernel 就是weight*weight
map*map是下個featuremap的大小，也就是上個weight*weight到底做了多少次運算
其中kernel*kernel*map*map＝ 1個feature的計算量
（２）針對於池化層：
無參數
（３）針對於全連接層：
參數量＝計算量＝weight_in*weight_out
３ 對於換算計算量
１一般一個參數是值一個float，也就是４個字節，
２1kb=1024字節
４ 對於各個經典網絡：
(1)換算
以alexnet為例：
參數量：6000萬
設每個參數都是float,也就是一個參數是4字節，
總的字節數是24000萬字節
24000萬字節= 24000萬/1024/1024=228mb
(2)為什么模型之間差距這么大
這個關乎於模型的設計了，其中模型里面最費參數的就是全連接層，這個可以看alex和vgg,
alex,vgg有很多fc(全連接層)
resnet就一個fc
inceptionv1(googlenet)也是就一個fc
(3)計算量
densenet其實這個模型不大，也就是參數量不大，因為就1個fc
但是他的計算量確實很大，因為每一次都把上一個feature加進來，所以計算量真的很大
５ 計算量與參數量對於硬件要求
計算量，參數量對於硬件的要求是不同的
計算量的要求是在於芯片的floaps（指的是gpu的運算能力）
參數量取決於顯存大小