神经网络常见指标

1. 显存：GPU中的显存类似于内存，用于存放模型、数据。显存越大，所能运行的网络也就越大。

2. 计算单元：计算单元的性能越好，进行网络训练/推理时速度就越快。衡量GPU计算单元性能的指标是FLOPS，衡量模型计算量的指标是FLOPs（注意区分s大小写）。

3. 显卡带宽：，是指计算单元与显存之间的数据传输速率，以“字节/秒”或“GB/s”为单位。显存带宽越大，计算单元与显存之间交换等量数据的速率就越快。

4. 参数量：指模型中所有需要学习的参数的总数，在论文中有时用#parameters表示，用来衡量一个模型的复杂度，也反映了模型需要占用显存的大小。

5. FLOPS：指每秒浮点运算次数，可以理解为计算速度，是一个衡量硬件性能的指标。

6. FLOPs：s小写，表示复数，指浮点运算数，可以理解为计算量，用来衡量算法/模型的复杂度。