AI算力概念

　　1、OPS（Operations Per Second）：处理器运算能力单位

　　1 TOPS（Tera）：每秒钟可进行10^12操作；

　　1 GOPS（Giga）：每秒钟可进行10^9操作；

　　1 MOPS（Million）：每秒钟可进行10^6操作。

　　2、FLOPS（Floating-point Operations Per Second）：芯片的计算速度，专指浮点数运算。现在衡量计算能力的标准是TFLOPS（每秒万亿次浮点运算）。

　　PFLOPS (petaFLOPS)：每秒一千万亿（=10^15）次的浮点运算；

　　TFLOPS (teraFLOPS)：每秒一万亿（=10^12）次的浮点运算；

　　GFLOPS (gigaFLOPS)：每秒十亿（=10^9）次的浮点运算；

　　MFLOPS (megaFLOPS)：每秒一百万（=10^6）次的浮点运算。

　　关于OPS和FLOPS的关系，在很多情况下可以认为是线性关系，但OPS侧重是各类数据处理，包括整型和浮点，而FLOPS特指浮点。因此，浮点数处理能力会直接影响OPS和FLOPS之间的换算关系。例如，一次乘加运算占一次浮点运算，却需两次数值运算。

　　3、FLOPs（Floating Point Operations）：运算数，指模型需要消耗的计算数。一些经典网络如AlexNet的算力消耗大约在1GFLOPS左右，而更深的ResNet可能达到几十GFLOPS。

　　4、MIPS（Million Instructions Per Second）：CPU处理能力，字面理解为百万条指令/秒。例如，ARM7的MIPS处理能力可达几十个。

　　5、常规算力示例：

　　对于224×224的图像，AlexNet需要约1.4GOPS；而ResNet-152处理相同大小的图像则需要约22.6GOPS。EIE算力的需求则根据具体应用场景和模型复杂度而定。