如何计算torchvision预训练FasterRCNNFPN的模型复杂度及正确输入尺寸？

官方报告对应的标准输入尺寸 #

torchvision官方在报告该模型的复杂度指标时，采用的是**(1333, 800)**的输入尺寸（宽×高，通道数固定为3）。这个尺寸是模型在COCO数据集上训练/评估时的默认输入规格：训练阶段会将图像短边缩放到800，长边限制在1333以内以保持比例；官方计算FLOPs时则直接使用固定的(1333, 800)尺寸来统一基准。

224×224输入导致FLOPs不稳定的原因 #

FasterRCNN包含RPN（区域提议网络）和RoI Head模块，这两部分的计算量会随输入图像尺寸、生成的提议框数量波动。用224×224这类小尺寸输入时，生成的提议框数量少且随机性强，再加上FPN的多尺度特征计算，会直接导致ptflops输出的FLOPs结果不稳定。而1333×800是模型设计时的标准输入尺寸，能保证计算结果和官方报告对齐。

正确计算复杂度的步骤（以ptflops为例） #

1. 导入依赖模块：

import torch
from torchvision.models.detection import fasterrcnn_resnet50_fpn
from ptflops import get_model_complexity_info

2. 初始化预训练模型并设置为评估模式：

model = fasterrcnn_resnet50_fpn(pretrained=True)
model.eval()

3. 用官方标准尺寸计算复杂度：

# 输入格式为 (通道数, 高, 宽)
flops, params = get_model_complexity_info(model, (3, 800, 1333), as_strings=True, print_per_layer_stat=True)
print(f"FLOPs: {flops}")
print(f"Params: {params}")

注意：必须将模型设为eval模式，避免训练阶段的随机操作（如随机采样提议框）干扰计算结果的稳定性。

补充说明 #

• 参数数量是模型固有属性，与输入尺寸无关，工具计算的参数值应与官方一致（约41M）。
• 若需验证FLOPs，可直接对比torchvision官方文档给出的数值，确保输入尺寸匹配后结果对齐。

内容的提问来源于stack exchange，提问作者vantienpham