可能看到这个问题，大部分人的第一感就是模型的参数量，但是影响模型计算速度的远不止参数量，具体如下：
1. 参数量；
2. 浮点运算数量：比如在rnn网络中，利用同样的参数对不同的输入反复计算，虽然参数量不多，但是计算量很大；
3. 内存访问成本；
4. 并行度。
此外，还有一个很关键的指标：比如双（多）分支结构与 Plain 结构，例如 VGG16 模型的 FLOPs 远远大于 EfficientNetB3，但是 VGG16 模型的推理速度却显著快于 EfficientNetB3。
此外，还有一个很关键的指标：比如双（多）分支结构与 Plain 结构，例如 VGG16 模型的 FLOPs 远远大于 EfficientNetB3，但是 VGG16 模型的推理速度却显著快于 EfficientNetB3。