本文将对衡量深度学习模型大小的一些常用指标，如计算量、参数量、访存量、内存占用等进行探讨，分析这些指标对模型部署推理的影响，尤其是计算量与访存量对模型推理速度的影响，并给出在不同硬件架构下设计网络结构的一些建议。

 

目录：

一、常用的模型大小评估指标

二、计算量越小，模型推理就越快吗？

三、影响模型推理性能的其他因素

四、面向推理速度的模型设计建议

五、结语

内容中包含的图片若涉及版权问题，请及时与我们联系删除