FLOPs常用于衡量一个模型的计算量，模型计算量会显著影响模型在边缘侧的部署。这里使用TVM realy前端统计resnet18-v1-7.onnx各类算子的FLOPs。
本实验是基于TVM的，因此需要先安装TVM，TVM的安装指南参见官方教程
count_flops_resnet.py是程序的入口，会先下载一个resnet18-v1-7.onnx，然后将模型导入TVM，ONNX模型会被转换成realy.Function，其中的node节点会被替换成realy算子。接着调用TVM提供的API relay.analysis.post_order_visit遍历生成的realy.Function，在遍历的过程中对遇到的每种算子计算FLOPs，并保存在一个字典中。最后，打印每种算子总共的FLOPs。
count_flops_op.py中定义了计算resnet18使用的各类算子FLOPs的函数，涵盖的算子有：
- nn.conv2d
- nn.batch_norm
- nn.relu、add
- nn.max_pool2d
- nn.global_avg_pool2d
- nn.batch_flatten
- nn.dense
算子名称和对应的计算函数保存在一个字典中，以便count_flops_resnet.py可以根据算子名调用计算函数。
实验输出结果如下：
nn.conv2d 3627122688
nn.batch_norm 9934848
nn.relu 2308096
nn.max_pool2d 0
add 753640
nn.global_avg_pool2d 0
nn.batch_flatten 0
nn.dense 512000