目录
一、GOPS与FLOPS
1.1 FLOPS
FLOPS定义
是“每秒所执行的浮点运算次数”（floating-point operations per second）的缩写。它常被用来估算电脑的执行效能，尤其是在使用到大量浮点运算的科学计算领域中。正因为FLOPS字尾的那个S，代表秒，而不是复数，所以不能省略掉。
在这里所谓的“浮点运算”，实际上包括了所有涉及小数的运算。这类运算在某类应用软件中常常出现，而它们也比整数运算更花时间。现今大部分的处理器中，都有一个专门用来处理浮点运算的“浮点运算器”（FPU）。也因此FLOPS所量测的，实际上就是FPU的执行速度。而最常用来测量FLOPS的基准程式（benchmark）之一，就是Linpack。
FLOPS换算
一个MFLOPS（megaFLOPS）等于每秒一百万（=10^6）次的浮点运算，
一个GFLOPS（gigaFLOPS）等于每秒十亿（=10^9）次的浮点运算，
一个TFLOPS（teraFLOPS）等于每秒一万亿（=10^12）次的浮点运算，(1太拉)
一个PFLOPS（petaFLOPS）等于每秒一千万亿（=10^15）次的浮点运算，
前标的十进制与二进制
此处存在疑问，从M到G再到T，到底是1024近似为1000，还是采用二进制的乘以1024，还是确实为十进制的1000
倾向于FLOP的前标与内存一样，是以二进制算，每进一级是1024为单位的。
但是1024^3是1073741824，可以近似为10^9。所以采用10^3来近似1024问题不大。
显卡FLOPS值
显卡根据价格算力从0.7TFLOPS/s到10TFLOPS/s不等。
1.2 GOPS
OPS与FLOPS类似，只不过OPS一个是操作次数，FLOPS一个是浮点操作次数。
1.3 FLOP与GOPS之间的换算
（FLOP与GOPS之间的换算需要查相关资料，后续查找资料给出）
不确定的看法是OPS是操作数量，FLOPS为浮点操作数量，两者可近似于相等，FLOPS比OPS稍大。
二、常规神经网络算力
据韩松毕业论文EFFICIENT METHODS AND HARDWARE FOR DEEP LEARNING P15
2.1 AlexNet
对于AlexNet处理224*224的图像，需要1.4GOPS
2.2 ResNet-152
对于224*224的图像，ResNet-152需要22.6GOPS
例如对于 1080p图像(像素点个数1920*1280) 的8路 帧率为30FPS的图像。
22.6GOPS*30FPS*8路*（1920*1280/224^2）=265Teraop/sec
这个数量级为30张高端显卡。
2.3 EIE算力
EIE在稀疏网络上可达102GOPS/s，相当于同等级非稀疏网络的1TGOPS/s
2.4 一些层的算力
注意这里是剪枝后的FLOP，之前的FLOP可能要乘以12
这里不懂为什么韩松不把原来的FLOP值贴出来而是只贴剪枝后的FLOP
Table 3.6: Pruning GoogleNet reduces the number of weights by 3.5x and computation by 5x.
三、FPGA平台上算力评估
3.1 zynqNet算力评估
拆分为卷积的MACC操作的次数152,731,648 ,为10^8数量级（0.1G），7z035平台上时间约为2s
假定MACC操作9乘法8加法，算作17FLOP，zynqNet总算量2,596,438,016 FLOP，即2.59GFLOPS
算力1.3GFLOPS/s（韩松EIE为102GOPS/s）
3.2 MTCNN算量
MACC次数为85,176,568次到43,543,288次不等，10^7数量级（10M），每帧运算量0.74GOPS或1.448GOPS
按照zynqNet的算力约 0.9-1.75FPS