Contar parámetros

Tema: Deep Learning · Catálogo de recetas · temario: Syllabus IOAI

📍 Dónde se aprende: módulo 15 de la Ruta de Aprendizaje.

Qué hace

Cuenta los parámetros de un modelo exactamente como lo hace un grader, y verifica si caben en un presupuesto.

Cuándo usarla

Cuando la tarea impone un límite de tamaño. IOAI Field (2026) parte el puntaje por la mitad si el modelo pasa de 20.260 parámetros.

Implementación

Necesita: torch.

import torch
 
 
def contar_parametros(modelo, solo_entrenables=False):
    """Cuenta los parámetros exactamente como lo hace un grader de la IOAI.
 
    IOAI Field (2026) parte el puntaje por la mitad si el modelo pasa de 20.260
    parámetros, medidos con `sum(p.numel() for p in model.parameters())`. Ojo:
    esa cuenta incluye los parámetros congelados.
    """
    ps = modelo.parameters()
    if solo_entrenables:
        ps = (p for p in modelo.parameters() if p.requires_grad)
    return sum(p.numel() for p in ps)
 
 
def cabe_en_presupuesto(modelo, maximo):
    """True si el modelo entra en el presupuesto de parámetros."""
    return contar_parametros(modelo) <= maximo

⚠️ Notas

El grader cuenta sum(p.numel() for p in model.parameters()), que incluye los parámetros congelados. Congelar no reduce esa cuenta: reduce el costo de entrenar, no el tamaño declarado. Por eso la receta trae las dos versiones y la que corresponde al límite de la IOAI es la de por defecto.

Verifica el conteo antes de entrenar, no después: perder el presupuesto de tiempo entrenando algo que va a puntuar la mitad es el peor de los mundos.

🔗 Relacionadas


Verificada

Este código se ejecuta en cada publicación, contra una referencia obviamente correcta, en herramientas/pruebas/redes.py. Si se rompe, el sitio no se actualiza.

Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI