我的笔记本电脑有4个逻辑处理器(两个物理处理器)；逻辑CPU1和2映射到核心1，逻辑CPU3和4映射到核心2(使用GetLogicalProcessorInformation()验证)。我在我的计算机上用两个线程运行了一个多线程矩阵乘法程序。第一次，我使用了SetProcessAffinityMask(hProcess,0x5)(这意味着逻辑处理器1和3)，而第二次我使用了SetProcessAffinityMask(hProcess,0xA)(逻辑处理器2和4)。事实证明，第一个版本的速度大约是第二个版本的两倍，就好像我从来没有对第二个版本进行多线程处理一样。有没有人猜到为什么会发生

文章目录一、GFLOPs、FLOPs、FLOPS二、单位换算三、如何计算FLOPs四、计算示例这三个概念其实都差不多，都涉及浮点运算，但是还是有一些小的不同之处，下面简单总结一下:一、GFLOPs、FLOPs、FLOPSGFLOPS就是GigaFloating-pointOperationsPerSecond,即每秒10亿次的浮点运算数,常作为GPU性能参数但不一定代表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，理论上该数值越高越好。1GFLOPs=10910^9109FLOPs。FLOPs是floatingpointofoperations的缩写，是浮点运算次数，可

近期忙于写论文，分享一下论文中表格数据的计算方法。目录一、FLOPS、FLOPs和GFLOPs的概念二、计算VGG16的GFLOPs和参数量三、计算DETR的GFLOPs和参数量四、整理数据表格一、FLOPS、FLOPs和GFLOPs的概念FLOPS：注意S是大写，是 “每秒所执行的浮点运算次数”（floating-pointoperationspersecond）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。FLOPs：注意s小写，是floatingpointoperations的缩写（s表

GMAC代表“GigaMultiply-AddOperationsperSecond”（每秒千兆乘法累加运算），是用于衡量深度学习模型计算效率的指标。它表示每秒在模型中执行的乘法累加运算的数量，以每秒十亿(giga)表示。乘法累加(MAC)运算是许多数学计算中的基本运算，包括矩阵乘法、卷积和深度学习中常用的其他张量运算。每个MAC操作都涉及将两个数字相乘并将结果添加到累加器。可以使用以下公式计算GMAC指标：GMAC=（乘法累加运算次数）/（10⁹）乘加运算的数量通常通过分析网络架构和模型参数的维度来确定，例如权重和偏差。通过GMAC指标，研究人员和从业者可以就模型选择、硬件要求和优化策略做出