在深度学习中，重量大小和模型大小之间有什么区别？
在深度学习中，权重大小和模型大小之间有什么区别？ （通常在MB中表达）
In deep learning, what is the difference between Weights Size and Model Size? (often expressed in MB)
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
权重的数量是模型中的许多可调参数。它们每个都可以表示为各种数值格式，例如8、16或32位。模型大小是上面两个的繁殖，但是可以将其他一些内容视为模型大小的一部分，例如连接性信息，架构，额外的逻辑，需要存储才能定义模型。
Number of weights is a number of tunable parameters in your model. Each of them can be represented as various numerical formats, e.g. 8, 16 or 32 bit ones. Model size is rougly the multiplication of the two above, but there are some other things can can be considered part of the model size, e.g. connectivity information, architecture, extra logis that needs to be stored to be able to define the model.