FLOPs
FLOPs（Floating point operations）浮点运算数量，就是计算量，在神经网络领域，通常用来衡量神经网络的计算复杂度，即完成一次前向传播所需要的浮点运算次数。
在神经网络中，每个操作（如矩阵乘法、卷积等）都具有一定的FLOPs值。为了计算模型的总FLOPs，需要对网络中每个操作的FLOPs值进行统计并求和。可以通过工具或代码库自动计算网络的FLOPs值，但需要注意，这些值通常是以理论计算为基础，实际的运行效率可能会受到硬件设备和软件实现的影响。
FLOPs值通常被用作指导模型优化和压缩的重要参考指标，因为在保持准确率不变的情况下，降低模型的FLOPs可以提高模型的运行速度和节省计算资源。
注意区分：FLOPS（Floating Point Operations Per Second）每秒浮点运算次数，是一个衡量硬件速度的指标。
MACs（Multiply–Accumulate Operations）
乘加累积操作数，常常被人们与FLOPs概念混淆实际上1MACs包含一个乘法操作与一个加法操作，大约包含2FLOPs。通常MACs与FLOPs存在一个2倍的关系。
想看细节可以参考这篇
Params
参数量。例如每个滤波器55=25个unit参数和一个bias参数，一共6个滤波器，共(55+1)*6=156个参数。