关于yolo的params，FLOPs，FPS如何计算

声明一下我这个是yolov3的test.py结果
请问:①图中61497430 parameters怎么转换成论文中那种几十的参数量呢?②计算量FLOPs怎么求呢?我看图中是GFLOPs不一样。
③FPS怎么求呢？我搜到的关于yolov5求fps下面的三个数字后面的名字不一样，而这个yolov3是inference/nms/total，那我该怎么求yolov3的fps呢？
求解答，谢谢

参数量：除以1000000就可以得到以M为单位的参数量了

可以借鉴下

from thop import profile
import torch
from resnet_18 import Resnet_18, resnet18

model = Resnet_18()
input = torch.randn(1, 3, 256, 256)
flops, params = profile(model, inputs = (input))
print(flops)
print(params)

借鉴文心一言：
① 对于Yolov3模型，参数数量为61497430，这是模型的总参数数量。然而，在论文中通常会提到模型的压缩后参数数量，这是通过使用压缩算法来减少模型的大小和参数数量。因此，如果你需要将参数数量转换为几十的数量级，可能需要使用压缩后的参数数量。

② GFLOPs和FLOPs是不同的计算量单位。GFLOPs（GigaFLOPS）是每秒十亿次浮点运算的速度单位，而FLOPs（Floating Point Operations per Second）是每秒浮点运算的总数。在计算GFLOPs时，需要将模型的总运算量除以10亿。例如，如果模型的运算量为100FLOPs，则其计算量为100/10亿 = 1e-8GFLOPs。

③ 对于Yolov3模型，FPNS (Inference/NMS/Total) 下的三个数字分别表示推理、非极大抑制和总的处理速度。因此，要计算Yolov3的FPS（每秒帧数），需要将这三个数字相加，并将结果除以10亿（即每秒十亿分之一的数量级），以得到模型的FPS。例如，如果FPNS下的数字为1000、200和300，则模型的FPS为1000 + 200 + 300 = 1500fps。