一、GOPS與FLOPS
1.1 FLOPS
FLOPS定義
是“每秒所執行的浮點運算次數”（floating-point operations per second）的縮寫。它常被用來估算電腦的執行效能，尤其是在使用到大量浮點運算的科學計算領域中。正因爲FLOPS字尾的那個S，代表秒，而不是複數，所以不能省略掉。
在這裏所謂的“浮點運算”，實際上包括了所有涉及小數的運算。這類運算在某類應用軟件中常常出現，而它們也比整數運算更花時間。現今大部分的處理器中，都有一個專門用來處理浮點運算的“浮點運算器”（FPU）。也因此FLOPS所量測的，實際上就是FPU的執行速度。而最常用來測量FLOPS的基準程式（benchmark）之一，就是Linpack。
FLOPS換算
一個MFLOPS（megaFLOPS）等於每秒一百萬（=10^6）次的浮點運算，
一個GFLOPS（gigaFLOPS）等於每秒十億（=10^9）次的浮點運算，
一個TFLOPS（teraFLOPS）等於每秒一萬億（=10^12）次的浮點運算，(1太拉)
一個PFLOPS（petaFLOPS）等於每秒一千萬億（=10^15）次的浮點運算，
前標的十進制與二進制
此處存在疑問，從M到G再到T，到底是1024近似爲1000，還是採用二進制的乘以1024，還是確實爲十進制的1000
傾向於FLOP的前標與內存一樣，是以二進制算，每進一級是1024爲單位的。
但是1024^3是1073741824，可以近似爲10^9。所以採用10^3來近似1024問題不大。
顯卡FLOPS值
顯卡根據價格算力從0.7TFLOPS/s到10TFLOPS/s不等。
1.2 GOPS
OPS與FLOPS類似，只不過OPS一個是操作次數，FLOPS一個是浮點操作次數。
1.3 FLOP與GOPS之間的換算
（FLOP與GOPS之間的換算需要查相關資料，後續查找資料給出）
不確定的看法是OPS是操作數量，FLOPS爲浮點操作數量，兩者可近似於相等，FLOPS比OPS稍大。
二、常規神經網絡算力
據韓松畢業論文EFFICIENT METHODS AND HARDWARE FOR DEEP LEARNING P15
2.1 AlexNet
對於AlexNet處理224*224的圖像，需要1.4GOPS
2.2 ResNet-152
對於224*224的圖像，ResNet-152需要22.6GOPS
例如對於 1080p圖像(像素點個數1920*1280) 的8路 幀率爲30FPS的圖像。
22.6GOPS*30FPS*8路*（1920*1280/224^2）=265Teraop/sec
這個數量級爲30張高端顯卡。
2.3 EIE算力
EIE在稀疏網絡上可達102GOPS/s，相當於同等級非稀疏網絡的1TGOPS/s
2.4 一些層的算力
注意這裏是剪枝後的FLOP，之前的FLOP可能要乘以12
這裏不懂爲什麼韓松不把原來的FLOP值貼出來而是隻貼剪枝後的FLOP
Table 3.6: Pruning GoogleNet reduces the number of weights by 3.5x and computation by 5x.
三、FPGA平臺上算力評估
3.1 zynqNet算力評估
拆分爲卷積的MACC操作的次數152,731,648 ,爲10^8數量級（0.1G），7z035平臺上時間約爲2s
假定MACC操作9乘法8加法，算作17FLOP，zynqNet總算量2,596,438,016 FLOP，即2.59GFLOPS
算力1.3GFLOPS/s（韓松EIE爲102GOPS/s）
3.2 MTCNN算量
MACC次數爲85,176,568次到43,543,288次不等，10^7數量級（10M），每幀運算量0.74GOPS或1.448GOPS
按照zynqNet的算力約 0.9-1.75FPS
相關內容：
深鑑科技DNNDK概覽