问题
我正在尝试计算 CPU / GPU FLOPS 性能，但我不确定我是否做得正确。
假设我们有：
- Kaby Lake CPU（时钟：2.8 GHz，内核：4，线程：8）
- Pascal GPU（时钟：1.3 GHz，内核：768）。
这个 Wiki 页面说 Kaby Lake CPU 计算 32 FLOPS（单精度 FP32）和 Pascal 卡计算 2 FLOPS（单精度 FP32），这意味着我们可以使用以下公式计算它们的总 FLOPS 性能：
中央处理器：
TOTAL_FLOPS = 2.8 GHz * 4 cores * 32 FLOPS = 358 GFLOPS
显卡：
TOTAL_FLOPS = 1.3 GHz * 768 cores * 2 FLOPS = 1996 GFLOPS
问题
[已解决]我见过的大多数指南（比如这个）在公式中都使用了物理内核。我不明白为什么不使用线程（逻辑核心）呢？线程不是专门为使浮点计算性能加倍而创建的吗？那我们为什么要忽视它们呢？
我做得对吗？我找不到一个可靠的来源来计算 FLOPS，互联网上的所有信息都是矛盾的。对于 i7 7700HQ Kaby Lake CPU，我发现 FLOPS 值低至29 GFLOPS，尽管上面的公式为我们提供了 358 GFLOPS。我不知道该相信什么。
[编辑]Node.js / Python / C++ 中是否有一个跨平台（Win、Mac、Linux）库，可以获取所有 GPU 统计信息，如着色核心、时钟、FP32 和 FP64 FLOPS 值，以便我自己计算性能，或者一个库通过利用所有可用的 CPU / GPU 指令集（如 AVX、SSE 等）自动计算最大理论 FP32 和 FP64 FLOPS 性能？我们不能直接从 CPU / GPU 获取 FLOPS 统计数据，这非常荒谬，我们必须下载并解析一个 wiki 页面才能获取值。即使在使用 C++ 时，似乎（我实际上并不知道）我们必须下载 2 GB CUDA 工具包才能访问 Nvidia GPU 信息——这实际上不可能让其他人使用该应用程序，因为没有一个人会下载一个 2 GB 的应用程序。