1 FPS

FPS（每秒帧数）是衡量图像处理或模型推断速度的指标，通常用于评估计算机视觉应用程序的性能。FPS表示在一秒内处理的图像帧数，其计算公式为：

其中Processing time per frame代表每帧处理时间。

在YOLO中这个值通常是由test.py来得到。将test.py的权重文件换为训练生成的best.pt，如下图所示：

运行过后能够得到spped三个值

这里只需用到total，FPS就是1000ms（=1s）/4.8ms=208.3

当然，使用detect.py也能够得到我们的FPS，运行detect.py后的结果如下：

pre-process：图像预处理时间，包括图像保持长宽比缩放和padding填充，通道变换（HWC->CHW）和升维处理等。
ms inference：推理速度，指预处理之后的图像输入模型到模型输出结果的时间。
NMS ：可以理解为后处理时间，对模型输出结果经行转换等。
至于计算FPS，是1s也就是1000ms除以这三个时间相加。

2 GFLOPs

GFLOPs（每秒浮点运算次数）通常用于衡量模型在推断或训练时的计算性能。在训练yolo的时候会自动生成这个值。如下：

但是我也遇到它不打印GFLOPs的情况，解决方法：

在终端下载thop库

pip install thop

3 总结

最近在做对比实验，由于是轻量化所以很看重这两个参数，但是发现我不管用哪种网络，FPS都很高（超过100），不知道是不是实验设备太好还是数据集太简单的原因，评价指标最后可能不考虑FPS这个参数了。选择参数量会更加稳妥。