您好！
我从 Caffe-Jacinto-models GitHub 托盘下载了.Caffemodel 和 deploy.prototxt、并在一个 EVE 上运行、下面是我获得的性能日志：
第 1层：TSC 周期= 2.02，SCTM 周期= 1.39 ARP32开销= 45.52，MAC/周期= 0.78 #MMACS = 1.57， 0.00， 1.57，稀疏度： 0.00，100.00
第 2层：TSC 周期= 23.32，SCTM 周期= 22.24 ARP32开销= 4.85，MAC/周期= 11.96 #MMACS = 314.57， 261.23， 278.92，稀疏度： 11.33， 16.96
第 3层：TSC 周期= 22.32，SCTM 周期= 21.34 ARP32开销= 4.60，MAC/周期= 11.98 #MMACS = 301.99， 257.43， 267.39，稀疏度： 11.46， 14.76
第 4层：TSC 周期= 44.57，SCTM 周期= 43.13 ARP32开销= 3.34，MAC/周期= 13.39 #MMACS = 603.98， 575.50， 596.90，稀疏度： 1.17， 4.71
第 5层：TSC 周期= 23.33，SCTM 周期= 22.54 ARP32开销= 3.47，MAC/周期= 12.96 #MMACS = 301.99， 292.55， 302.38，稀疏度： -0.13， 3.13
第 6层：TSC 周期= 42.80、SCTM 周期= 42.35 ARP32开销= 1.08、MAC/周期= 13.87 #MMACS = 603.98、 576.31、 593.63、稀疏度： 1.71、 4.58
第 7层：TSC 周期= 22.73，SCTM 周期= 21.59 ARP32开销= 5.30，MAC/周期= 13.14 #MMACS = 301.99， 288.38， 298.75，稀疏度： 1.07， 4.51
第 8层：TSC 周期= 2.72、SCTM 周期= 0.22 ARP32开销= 1117.79、MAC/周期= 0.10 #MMACS = 0.26、 0.00、 0.26、稀疏度： 0.00、100.00
第 9层：TSC 周期= 42.09，SCTM 周期= 41.44 ARP32开销= 1.58，MAC/周期= 13.88 #MMACS = 603.98， 567.18， 584.47，稀疏度： 3.23， 6.09
第 10层：TSC 周期= 21.89，SCTM 周期= 21.14 ARP32开销= 3.54，MAC/周期= 13.54 #MMACS = 301.99， 287.60， 296.31，稀疏度： 1.88， 4.76
第 11层：TSC 周期= 3.64，SCTM 周期= 0.21 ARP32开销= 1647.75，MAC/周期= 0.14 #MMACS = 0.52， 0.00， 0.52，稀疏度： 0.00，100.00
第 12层：TSC 周期= 187.58，SCTM 周期= 185.97 ARP32开销= 0.87，MAC/周期= 12.62 #MMACS = 2415.92， 2317.24， 2368.05，稀疏度： 1.98， 4.08
第 13层：TSC 周期= 84.96，SCTM 周期= 83.79 ARP32开销= 1.40，MAC/周期= 13.91 #MMACS = 1207.96， 1143.95， 1181.61，稀疏度： 2.18， 5.30
第 14层：TSC 周期= 23.87，SCTM 周期= 23.28 ARP32开销= 2.55，MAC/周期= 12.42 #MMACS = 301.99， 289.98， 296.44，稀疏度： 1.84， 3.98
第 15层：TSC 周期= 1.76，SCTM 周期= 0.59 ARP32开销= 195.59，MAC/周期= 1.19 #MMACS = 2.10、 0.00、 2.10，稀疏度： 0.00、100.00
第 16层：TSC 周期= 22.40，SCTM 周期= 21.92 ARP32开销= 2.17，MAC/周期= 13.73 #MMACS = 301.99， 296.64， 307.49，稀疏度： -1.82， 1.77
第 17层：TSC 周期= 0.84，SCTM 周期= 0.31 ARP32开销= 170.51，MAC/周期= 1.25 #MMACS = 1.05、 0.00、 1.05，稀疏度： 0.00、100.00
第 18层：TSC 周期= 22.06，SCTM 周期= 21.72 ARP32开销= 1.58，MAC/周期= 13.81 #MMACS = 301.99， 294.72， 304.61，稀疏度： -0.87， 2.41
第 19层：TSC 周期= 21.98，SCTM 周期= 21.62 ARP32开销= 1.67，MAC/周期= 13.79 #MMACS = 301.99， 293.82， 303.04，稀疏度： -0.35， 2.70
第 20层：TSC 周期= 22.30，SCTM 周期= 21.93 ARP32开销= 1.65，MAC/周期= 13.79 #MMACS = 301.99， 297.15， 307.56，稀疏度： -1.84， 1.60
第 21层：TSC 周期= 21.97，SCTM 周期= 21.61 ARP32开销= 1.68，MAC/周期= 13.79 #MMACS = 301.99， 293.24， 302.97，稀疏度： -0.33， 2.90
第 22层：TSC 周期= 2.95，SCTM 周期= 2.71 ARP32开销= 8.67，MAC/周期= 12.90 #MMACS = 37.75， 36.82， 38.01，稀疏度： -0.69， 2.45
第 23层：TSC 周期= 0.57，SCTM 周期= 0.30 ARP32开销= 92.95，MAC/周期= 1.83 #MMACs = 1.05， 0.00， 1.05，稀疏度： 0.00，100.00
第 24层：TSC 周期= 1.68、SCTM 周期= 1.19 ARP32开销= 41.16、MAC/周期= 2.50 #MMACS = 4.19、 0.00、 4.19、稀疏度： 0.00、100.00
第 25层：TSC 周期= 6.03，SCTM 周期= 4.76 ARP32开销= 26.71，MAC/周期= 2.78 #MMACS = 16.78， 0.00， 16.78，稀疏度： 0.00，100.00
第 26层：TSC 周期= 1.91，SCTM 周期= 0.82 ARP32开销= 133.47，MAC/周期= 2.19 #MMACS = 4.19， 0.00， 4.19，稀疏度： 0.00，100.00
TEST_REPORT_PROCESS_PROFILE_DATA：TSC 周期= 682373066，SCTM VCOP 繁忙周期= 650111108，SCTM VCOP 开销= 0
性能看起来相当合理。 但是、当我减小网络的输入尺寸(例如256x96或256x128)时、我注意到以下情况：
ARP32开销会变大、这意味着 TSC 周期和 SCTM 周期之间的差异会变大。 我从 这里读出 、我们可以用 SCTM 周期除以 EVE 频率来估算运行时间。 我的问题是、当 TSC 周期远高于 SCTM 周期时(例如、当输入为256x128时、我得到118M 与56M)、它是否会影响连续一批帧的处理速度？ 我是否仍然可以用 SCTM 周期来估算处理时间或 fps？
2、虽然#MMACS 根据输入尺寸线性减少、但 TSC 周期和 SCTM 周期的减少要少得多。 这也意味着 MAC/周期下降。 我知道 EVE 处理数据的方式是将数据分为块以实现最佳并行性。 是否有经验法则来确定可提供最佳性能的输入尺寸？ 与此串联、输入尺寸是否必须是8的倍数或2的幂等才能实现更好的性能？
除上述问题外、我还(在 EVE 上)运行了一个不同的深度学习网络、其中包含不分层可分离(第3层可分层、第4层不可分离)、并看到实际操作是 totalOps 的10倍：
第 3层：TSC 周期= 1.51，SCTM 周期= 0.80 ARP32开销= 88.04，MAC/周期= 21.03 #MMACS = 3.32， 25.54， 31.75，稀疏度：-856.94，-669.79
第 4层：TSC 周期= 2.24，SCTM 周期= 1.62 ARP32开销= 38.35，MAC/周期= 5.92 #MMACS = 11.80， 11.61， 13.27，稀疏度：-12.50， 1.56
即使如此、这也不会使其更耗时、因为该层的 MAC/周期比不可分离的层更大。 您能帮助我了解这些数字是如何产生的？
提前感谢您。
William
