卡：300v pro，can:8.0rc3

atlas 300v pro官方算力描述：140 TOPS INT8，70 TFLOPS FP16

nvidia 3060算力：12.7 FP32 TFLOP、 24.9 RT TFLOPs 及 101 Tensor TFLOPs

实际测试了多个模型，只计算推理时间，不计算预处理和后处理，统一为fp16精度，atc转换指令示例如下：

atc --model=yolov7x.onnx --framework=5 --output=yolov7x --input_shape="images:1,3,640,640"  --soc_version=Ascend310P3 --precision_mode_v2=fp16

测试如下

sampleYolov7例程模型：npu 14ms，nvidia 8ms

个人检测模型：npu 5.3ms，nvidia 1.7ms

个人姿态模型：npu 6.8ms, nvidia 1.6ms

从上面可以看出，大概有2~4倍的差距，但是从算力描述上，似乎npu性能更好一下，所以有以下问题：

1.npu对标nvidia，算力的关系是怎样的

2.不同类型的模型，转换后速度差距较大，如果在保证精度的前提下，提升推理速度