#目的
資料『JETSON AGX XAVIER AND THE NEW ERA OF AUTONOMOUS MACHINE』を読む。
資料は、以下です。
http://info.nvidia.com/rs/156-OFN-742/images/Jetson_AGX_Xavier_New_Era_Autonomous_Machines.pdf

この記事記載の最初の目的は、上記の資料には、DNNのモデル毎の処理量(GOPS)が記載されているので、その量を参照することです。

GOP(Giga Operations)
GOPS(Giga Operations per Second)

#DNNのモデル毎の処理量(GOP)

引用ページ：VISION NETWORKS Compute Demand

model	Gop	備考
Image Recognition
MobileNet	0.6	224x224, 17GOPS@30Hz
AlexNet	0.7	227x227, 22GOPS@30Hz
GoogleNet	2	224x224, 60GOPS@30Hz
ResNet-50	4	224x224, 120GOPS@30Hz
VGG19	20	224x224, 600GOPS@30Hz
Object Detection
YOLO-v3	65	416x416, 1,950GOPS@30Hz
SSD-VGG	91	512x512, 2,730GOPS@30Hz
Faster-RCNN	172	600x850, 5,160GOPS@30Hz

performance

(図　出典: http://info.nvidia.com/rs/156-OFN-742/images/Jetson_AGX_Xavier_New_Era_Autonomous_Machines.pdf )

(図　出典: http://info.nvidia.com/rs/156-OFN-742/images/Jetson_AGX_Xavier_New_Era_Autonomous_Machines.pdf )

(図　出典: http://info.nvidia.com/rs/156-OFN-
742/images/Jetson_AGX_Xavier_New_Era_Autonomous_Machines.pdf )

(図　出典: http://info.nvidia.com/rs/156-OFN-742/images/Jetson_AGX_Xavier_New_Era_Autonomous_Machines.pdf )

#性能限界値との比較

TX2 ResNet-50

グラフより、目分量で、32batchの場合、110images と読んだ。
1 image で　4 G-op なので、1秒 440 G-op となる。
TX2の場合、半精度ならば、1.333　TOPSなので、性能限界の1/3出ていることになる。
単精度ならば、もっと、出ていることになる。どっちなんだろう

#まとめ
DNNのモデル毎の処理量(GOPS)を整理する一環として、NVIDIAの資料を確認した。

#今後
適宜、追記する。
コメントなどあれば、お願いします。

#関連（本人）
DNNのモデル毎の処理量(GOP)をまとめる