每秒浮点运算次数（Floating Point Operations Per Second，FLOPS），按照IEEE 754-2019 浮点运算标准，FLOPS被定义为单精度（32位）或者双精度（64位）数加法或者乘法。

让我们看一下怎样基于其峰值FLOPS来对比DSP、GPU和FPGA体系结构的性能。在最大工作频率下，通过加法器和乘法器求和积来确定峰值FLOPS比。这代表了计算的理论极限，实际中很难获得，因为一般不可能实现所有时间、所有计算单元上都保持运行的算法。但确实有实用的对比指标。

首先，我们考虑DSP GFLOPS性能。对此，我们选择德州仪器公司的TMS320C667xDSP作为实例器件。这一DSP包括了8个DSP内核，每一内核含有两个处理子系统。每一子系统包括4个单精度浮点加法器和4个单精度浮点乘法器。总共有64个加法器和64个乘法器。最快的能够运行在1.25GHz，峰值性能达到160Giga FLOPS（GFLOPS）。

GPU是非常流行的器件，特别是图像处理应用。功能最强大的一种GPU是NVIDATeslaK20。这一GPU基于CUDA内核，每一个都有一个浮点乘法加法单元，在单精度浮点配置时，每个时钟周期能够执行一次。每个流多处理器（SMX）处理引擎中有192个CUDA内核。K20实际上含有15个SMX，能够使用其中的13个（例如，由于工艺产出问题）。这样，总共有2496个CUDA内核，每一时钟周期2GFLOP，最大运行频率是706MHz。这样，峰值单精度浮点性能达到了3520GFLOP。

Altera等FPGA供应商在其FPGA中提供硬核浮点引擎。在整个可编程逻辑结构中，嵌入的硬核DSP模块含有一个单精度浮点乘法器和加法器。Altera中端Arria10FPGA系列的中等规模FPGA有一款10AX066。这一器件有1678个dsp模块，每个都能够在每一时钟周期中执行并没有使用可编程逻辑，而是设计的其他部分使用了可编程逻辑，例如，数据控制和调度电路、I/O接口、内部和外部存储器接口，以及其他面的功能。