模型的复杂度

• Params：模型的参数量*。
• FLOPs：FLoating point OPerations，前向推理的计算量*。
• *MAC：**Memory Access Cost。
• *MACC(也叫MADD)：**multiply-accumulate operations：先乘起来再加起来的运算次数。
• *TFLOPS (Tera FLoating-point Operations Per-second) ：**描述某种操作的计算密度

模型最终的的速度和：

• 计算量多少 (FLOPs)
• 内存带宽
• 优化程度
• CPU流水线
• Cache

有关系。

PointPillars: Fast Encoders for Object Detection from Point Clouds

utilizes PointNets to learn a representation of point clouds organized in vertical columns (pillars)

only 2D convolutional

requires no hand-tuning to use different point cloud confifigurations

编码过程：

1. 在bev上切出均匀的grid