2、性能指标定义：帧率、延迟、功耗、内存、收敛速度与稳定性

做算法落地这些年，我见过太多团队一上来就调模型、改代码，忙活半天却连「到底该优化什么」都没想清楚。说白了，性能优化不是玄学，你得先有一把能度量的尺子。这一章，我就把最常用的六个指标掰开揉碎讲清楚。

嗯，先看一张总览图，帮你快速建立全局认知。

2.1 帧率（FPS）—— 用户最直观的感受

帧率，就是每秒能渲染多少帧画面。单位是 fps（frames per second）。你想想看，一个视频通话如果只有 15fps，画面是不是明显卡顿？但到了 60fps，就感觉丝滑了。

我个人习惯把帧率分成三个档位：

• 30fps：可接受的下限。视频播放、普通 UI 交互勉强能用。
• 60fps：流畅标准。大多数游戏、实时视频处理的目标值。
• 90/120fps：极致体验。VR/AR、高刷屏设备才需要。

2.2 延迟（Latency）—— 从输入到输出的时间差

延迟和帧率容易搞混。帧率是「每秒多少张」，延迟是「一张图从拍到显示花了多久」。单位是毫秒（ms）。

举个例子：你按下快门，手机要经过 ISP 处理、算法增强、屏幕输出。这一整套流程的时间，就是端到端延迟。

我一般把延迟拆成三段来看：

1. 采集延迟：传感器曝光 + 数据读取。硬件瓶颈，很难优化。
2. 处理延迟：算法推理 + 后处理。这是算法工程师的主战场。
3. 显示延迟：缓冲区排队 + 屏幕刷新。跟系统调度有关。

2.3 功耗（Power）—— 移动设备的生命线

功耗，说白了就是算法跑起来要消耗多少电。单位是瓦特（W）或毫瓦（mW）。

你想想看，手机电池就那么大。一个算法如果让手机发烫、掉电快，用户分分钟卸载。我见过一个美颜算法，效果确实好，但跑 10 分钟手机就烫得拿不住——这种算法注定上不了线。

功耗优化的核心思路：

• 减少计算量：模型剪枝、量化、算子融合。
• 利用硬件加速：NPU/DSP 比 CPU 省电得多。
• 动态调频：轻负载降频，重负载升频。

2.4 内存占用（Memory）—— 别让 App 被系统杀掉

内存占用，就是算法运行时占了多少 RAM。单位是 MB 或 GB。

我遇到过最头疼的情况：算法在开发机上跑得好好的，一上真机就被系统 kill。为什么？因为手机后台还有、抖音在抢内存。你的算法占得太多，系统直接「请」你出去。

内存占用通常分三块：

2.5 收敛速度（Convergence Speed）—— 训练快不快

收敛速度，指的是模型训练到目标精度需要多少轮（epoch）或多长时间。这直接影响你的迭代效率。

我个人习惯用两个指标衡量：

• 收敛轮数：多少 epoch 后验证集精度不再提升。
• 收敛时间：达到目标精度实际花了多少小时。

收敛慢的原因很多：学习率设置不对、数据分布有问题、模型初始化不好。嗯，这里要注意，收敛速度不是越快越好——太快可能过拟合，太慢可能欠拟合。

2.6 稳定性（Stability）—— 别动不动就崩

稳定性，就是算法在各种场景下能不能稳定运行。不闪退、不花屏、不掉帧。

你想想看，一个算法在实验室测了 1000 张图都正常，一上线就被用户投诉闪退。为什么？因为用户的环境千奇百怪——光线暗、角度偏、手机型号老。

稳定性通常看这几个方面：

• 无崩溃率：连续运行 24 小时不 crash 的概率。
• 精度抖动：同一张图多次推理，结果是否一致。
• 边界鲁棒性：极端输入（全黑图、全白图、超大分辨率）下是否正常。

2.7 六个指标的关系：一张表说清楚

最后，我把六个指标放在一起对比一下。方便你快速查阅。

说白了，这六个指标就是算法落地的「体检报告」。哪个指标不合格，你的算法就上不了线。我个人建议，在项目启动的第一天就把这些指标的目标值定下来，写到需求文档里。别等到快上线了才发现帧率不够、内存爆了——那时候再改，代价就大了。