有个疑问，我跑了几个网络，根据编译器debug模式分析出来的延时和OP数量换算，x3的算力大概只有1Tops（双核），与官方宣称的5Tops相距较远，请问是我的测试方法有问题或者计算方式不对吗？能否帮忙提供改进的测试方法或者建议，感谢。
我的测试数据如下：op数大概是0.6G，时延是1.6ms，换算一下算力：0.6G/(1.6/1000) = 375Gops，即使算上双核也只有700Gops（单核算力乘以2）。
另外考虑到网络中有不高效的层会拉慢速度，我也根据这个计算方法计算了mobileNetV2每一层卷积的算力，算上双核的的话最多到1Tops。
HBDK version: 3.37.2
model: mobilenet v2
Op: 602,577,152
latency: 1.6ms
Fps (1 core): 626.17
Fps (2 cores) 1252.34
确实，我算下来也是算力远没达到标称值；
416*416输入的yolov3算法，单核单线程跑纯推理耗时175ms左右，算法计算量在65G左右，那算下来65*（1000/175）=371G，跟你算出来的算力差不多大；
所以想问下官方，能否给下5T算力的计算方式，包括bpu的mac数量、频率等这些数据？
你好，X3是5TOPS@int8 算力，网络模型的推理性能会受到多种因素的影响，例如带宽、模型结构、利用率等等，所以评估芯片的实际能力我们更多会看FPS指标，模型在芯片上跑出的帧率。例如我们验证mobilenetv2（224x224）在Xavier（30T@int8）上的FPS是～973，相比而言，X3虽然是5T的算力却并不逊色，这也是得益于X3芯片上对Depthewise conv有针对性的优化设计，能够获得更好的收益。
谢谢你的回复。
我理解FPS的意义，但是我更想知道关于X3算力的一些信息，这里还有两个疑问：
1、是否方便介绍X3 5TOPS算力是怎么计算出来的呢？
2、对于我们外部用户能否设置一些比较理想的环境，比如尽可能的避开带宽影响，模型结构的影响，只跑单个OP之类的方式，来测出理论上x3的算力（5TOPS）性能呢？
确实，我算下来也是算力远没达到标称值；
416*416输入的yolov3算法，单核单线程跑纯推理耗时175ms左右，算法计算量在65G左右，那算下来65*（1000/175）=371G，跟这位朋友算出来的算力差不多大；
所以想问下官方，能否给下5T算力的计算方式，包括bpu的mac数量、频率等这些数据？
您的测试结果没有问题。 AI加速器可以理解为一个异构系统，主要来自于矩阵计算单元、向量计算单元、其他特定计算单元如Pooling等，模型推理时不会把这些计算单元同时用满的。例如GPU的cuda core和tensor core在同一个SM Domain里，两者的算力不能同时并发。
您可以多测一些模型，并对比这些模型在x3同级别算力平台的性能表现。不过用到了多少了算力只是个中间结果，建议最终还是看模型的FPS是否满足预期。
你好， 咱们这边使用的场景中目前遇到了算力不达标的情况吗？我们可以结合场景一起分析下