各位技术大牛，你们有没有想过，为什么我们的机器学习模型跑得那么快？这背后离不开一个重要的概念——浮点运算。今天，我们就来聊聊FLOPS、FLOPs、GFLOPs这些常见的浮点运算单位，看看它们到底有什么区别。
FLOPS，全称是floating-point operations per second，即每秒浮点运算次数，它是衡量硬件性能的一个指标。
FLOPs，全称是floating point of operations，是浮点运算次数，它可以用来衡量算法或模型的复杂度。
除了FLOPS和FLOPs，我们常用的还有GFLOPs、TFLOPs等。比如，GFLOPS就是每秒十亿次的浮点运算数，它通常用来作为GPU性能的参数。但是，这并不一定代表GPU的实际表现，因为还要考虑具体如何拆分多边形和像素、以及纹理填充等因素。
下面是一些常用的单位换算：
- 1 MFLOPS（megaFLOPS）等于每秒一百万次的浮点运算（=10^6）。
- 1 GFLOPS（gigaFLOPS）等于每秒十亿次的浮点运算（=10^9）。
- 1 TFLOPS（teraFLOPS）等于每秒一万亿次的浮点运算（1太拉）。
- 1 PFLOPS（petaFLOPS）等于每秒一千万亿次的浮点运算（=10^15）。
- 1 EFLOPS（exaFLOPS）等于每秒一百京次的浮点运算（=10^18）。
- 1 ZFLOPS（zettaFLOPS）等于每秒十万京次的浮点运算（=10^21）。
下面是一些关于torchstat和thop的代码示例：
from torchstat import stat
import torchvision.models as models
model = model.densenet121()
stat(model, (3, 224, 224))
from torchvision.models import densenet121
from thop import profile
model = densenet121()
input = torch.randn(1, 3, 224, 224)
macs, params = profile(model, inputs=(input, ))
更多相关内容，可以参考这个链接：http://imgtec.eetrend.com/blog/2020/100048896.html
好了，今天的内容就到这里。如果你对浮点运算单位还有其他疑问，或者想了解更多的技术知识，欢迎关注「websoft网络软件专家」（www.phpwebsoft.com），我在这里等你。
——陈景序，资深编辑，websoft网络软件专家